液态金属电池串联成组的一致性分选EI北大核心CSCD

液态金属电池是一种兼具低成本、长寿命、大容量优势的规模储能技术。为提高串联液态金属电池组一致性和可靠性,该文提出一种电池综合分选方法。基于单体电池的活化数据,获取液态金属电池的综合特性参数;然后,通过皮尔逊相关性分析,选取若干典型静态特性指标作为聚类特征,进行电池初分选;最后,以动态时间规整相似度对电池放电曲线的差异性进行量化评估,并采用减法聚类进行电池再分选。研究结果表明,分选后液态金属电池组容量提高了6.77%,电池放电曲线差异减少了88.28%,电池组一致性得到显著提高。     

合金电极液态金属电池研究进展

可再生能源快速发展的今天,液态金属电池凭借其长寿命、低成本以及高倍率性能,被认为是潜能巨大的储能体系。不同体系的液态金属电池都得到了大量的研究,其中电极的合金化被证明是能解决单金属电极成本高、利用率低等缺点的方法。重点介绍了各种合金化体系液态金属电池研究成果,总结了合金化电极降低液态金属电池工作温度、增强电极的润湿性、降低活性成分在熔盐中的溶解度等作用。介绍了液态金属电池中存在的腐蚀行为,探索并展望了液态金属电池的未来发展趋势。     

液态金属电池储能系统在光氢耦合微电网中的优化配置

液态金属电池是一种新型电池,其与氢储能共同构成的综合储能系统可以很好地满足微电网的需求。首先为该综合储能系统设计了一套以经济性最优为原则的调度方案,使两种储能装置协调配合,共同平抑并网光伏电能的功率波动。其次,仿真计算该调度方案下的液态金属电池配置成本、微电网年利润、电池预期使用寿命、电池容量不足的天数等指标,并利用这4项指标构建液态金属电池储能系统性能的综合评价模型。最后,以某光氢耦合微电网为例,利用上述模型对不同容量液态金属电池的性能进行评价,得出了电池的最优配置容量。     

几类面向电网的储能电池介绍

储能技术在现代电力系统中的作用日益凸显,储能电池则是大规模储能技术的重要发展方向。文中就目前比较成熟的储能电池体系,包括铅酸电池、锂离子电池、液流电池和钠硫电池的发展历史、研发现状,以及不同电池体系应用到电网储能的优势和存在的问题进行了讨论。文中重点介绍了钠离子电池和液态金属电池等2类新兴的电化学储能技术的研究现状、技术优势及现存挑战等。通过比较,认为在进一步提高现有电池性能、降低储能价格的同时,亟需发展下一代能满足大规模储能应用的电化学储能新体系。     

基于快速充电曲线的退役锂电池模块快速分选技术EI北大核心CSCD

由于在使用过程中造成的电池间的不一致性,退役锂离子电池在储能应用等梯次利用前要进行一致性分选。然而,现有的退役锂电池分选方法存在着效率低下的问题,并且研究多集中于单体,针对模块层面的分选方法相对欠缺。为此提出了一种基于机器学习算法的退役锂电池模块快速分选方法。首先阐述了由于电池不一致性所带来的串联充电曲线不同的现象,基于此原理设计了分选步骤;其次,提出了基于支持向量机的筛选模型,实现了利用少部分样品电池的特征电压筛选大批量的退役电池;进一步,提出了一种针对模块级别的退役电池重组方法,以应对实际工程中电池模块难以拆解的特性。结果表明,相较于传统方法,所提退役电池模块快速分选方法大幅提升了分选效率,同时解决了退役锂电池模块分选的问题。     

用于跟踪风电场计划出力的电池储能系统容量优化配置

电池储能系统是平抑风电功率预测误差的理想选择,在现有储能电池价格水平前提下,电池储能系统的功率与容量优化配置尤为重要。基于风电场功率预测误差分布特性,依据风电功率预测预报标准中的约束条件和考核指标,分析了电池储能系统功率与风电功率预测误差、风电功率预测误差缩减率、全天预测结果的均方根误差、准确率及合格率的特性关系,储能系统容量与容量需求满足率及容量需求满足增长率的特性关系。为较好平抑风电功率预测误差且使投入成本较低,基于截止正态分布法,提出了一种储能系统功率与容量配置优化方法。该方法可计算用于跟踪风电场计划出力所需的较优储能系统功率与容量。通过实例计算分析,验证了该方法的有效性和可行性。     

基于电池簇放电电量的电池堆不一致性在线监测方法

针对电池在生产过程中难以做到完全一致且在不同运行工况下电池老化程度不一致的情况，为避免大规模储能电站中电池“短板效应”的发生，提出一种基于电池簇放电电量的电池堆不一致性在线监测方法。将储能电站中的放电电量作为特征参数，定量分析电池堆与电池簇放电电量的对应关系，并对二者进行线性拟合，求导得到其变化速率，以实现电池堆一致性的在线监测；将变化速率记录为时序信号，并作为BP神经网络输入来实现短时预测，以达到预测储能电站安全运行的目的。最后，通过对湖南某储能电站实际运行数据进行分析，计算出其预测平均绝对误差为0.406%、均方误差为0.002%、均方根误差为0.489%，均小于0.5%，验证了所提方法的可行性与有效性。     

重力扰动下液态金属电池内部的多场耦合特性分析

液态金属电池由于其低成本、长寿命的优异性能，有望成为面向电网的储能手段。然而，液态金属电池工作过程中存在多种流体不稳定性，外界的晃动等扰动则有可能加剧这些不稳定性对电池运行的影响，甚至导致液–液界面失稳与短路。为探究晃动对现有大容量液态金属电池的影响，该文建立综合考虑电化学反应、流体动力学、传热与传质的二维轴对称200Ah Li||Bi电池模型，采用不同放电倍率的放电电压数据完成模型验证，并在重力扰动下研究热致流动与磁致流动对电池内部传质及放电特性的影响，并探究不同电解质层厚度下的短路风险。研究表明，液态金属电池对重力扰动具有一定的鲁棒性，但在电解质厚度较小时具有较大的短路风险。     

并网型风光氢储微电网容量优化配置研究

本文以并网型风光氢储微电网为研究对象,在满足年制氢量任务的前提下建立了以系统年收益最大为目标的经济优化模型,对不同储能容量方案采用含罚函数的粒子群算法进行优化调度求解。最后对液态金属电池、液态金属电池-铅酸电池、锂电池、锂电池-铅酸电池四种储能配置方案进行对比研究,发现液态金属电池现阶段因价格高单独使用时优势不明显,而在混合储能系统中可以与铅酸电池优势互补。     

计及预测精度及拓扑结构的光伏电站储能经济配置

光伏电站并网离不开储能系统的支持,为了提高储能配置的精度并降低储能系统的成本,考虑到现有研究的不足,分析了光伏电站出力预测算法误差、储能拓扑结构对储能配置的影响。提出了一种储能的快速配置方法,分析了预测算法误差对储能定容的影响,完善了储能的收益模型;引入了一种双元互补的储能拓扑结构,并分析了该拓扑结构对电池特性以及储能成本模型的影响;建立了以最大经济效益为目标的总投资收益模型,并基于某光伏电站的实际数据确定其最优配置方案。算例结果表明,预测算法误差会引起储能容量及功率增大,从而导致储能系统的成本增大;引入所提储能拓扑结构能有效地提高电池的使用寿命,降低储能系统的成本。     

基于不同种类储能电池的微电网综合储能系统性能对比

储能系统是保证微电网正常运行的关键,综合储能系统是微电网中储能应用的重要方式。本文将由电池储能与氢储能共同构成的综合储能系统应用在光伏微电网中,实现了电能、氢能、光能的多能互补。本文首先为微电网设计了一套经济可行的调度方案,该调度方案包含日前调度和实时调度两部分,根据不同的天气情况采取不同的调度原则。接着,本文分别计算了包含铅炭电池、磷酸铁锂电池和液态金属电池的微电网综合储能系统的全寿命周期成本,从而确定最佳的电池种类。对于本文所研究的综合储能系统而言,目前磷酸铁锂电池是系统全寿命周期成本最低的电池,而液态金属电池有可能成为该系统未来的一种新选择。     

储能用锂离子电池电热耦合模型研究进展

高精度的电池模型是提升电池管理系统工作效率的关键，对于实现电池系统状态评估、寿命预测和健康运行具有重要意义。归纳和总结锂离子电池性能、温度非均匀特性和锂离子电池电热耦合模型构建方法及存在的问题。目前尚缺乏针对大规模储能电池全生命周期、复杂结构和环境因素条件下电热互动机制研究。基于经验方程和基于电池内部机理的电池热分析模型，存在计算速度慢、精度低和通用性差等问题。基于数据驱动的模型是一种更加高效的电池热学模型构建方法。在电池组层面，大多基于串并联方式和电池状态参数构建模型，不能准确模拟电流和环境温度非均匀条件下电池动态特性。依据储能电池系统复杂结构和环境特点，提高模型计算速度和精度成为下一步研究方向。     

液态金属电池储能特性建模及荷电状态估计

储能技术对于高效利用可再生能源和发展智能电网方面具有至关重要的意义。液态金属电池是近年来出现的一类廉价、高效的新型储能电池技术。该文针对液态金属电池建立了电池的等效电路模型,准确模拟电池的输出特性,并以模型为基础,应用扩展卡尔曼滤波法精确估计电池的荷电状态。这项工作可以预测不同工况下的电池性能,也可以为液态金属电池可靠、高效的管理设计奠定基础。     

锂离子电池建模现状研究综述

随着新能源装机规模的逐年递增,电网对储能系统的辅助服务需求日益加重,合理地大规模集成储能电池单元,并通过电池管理系统进行有序控制是未来储能系统应用发展的关键。但由于目前对储能电源模型的研究远远滞后于实际工程需求,因此建立精准的电池模型是电池管理的迫切需要。本文在对比储能现有模型分类的基础上,通过对相关电池建模资料的梳理,分析了电化学模型、黑箱模型与等效电路模型的优缺点与应用场景,重点比对了单体电池的Rint、Thevenin、PNGV等多种等效电路建模方法,并阐述了不同单体模型在多种应用场景下的优势和局限性;同时对电池模组串并联顺序以及电池单体的不一致性影响进行了讨论,可为电池模组化和大规模储能系统应用的性能评估与发展提供参考。     

锂离子电池全生命周期容量损失预测模型研究

准确的电池老化轨迹预测对于储能系统的可靠运行与优化管理至关重要。为了实现对电池在全寿命周期内容量损失情况的可靠预测，分别针对电池在不同老化阶段下的核心损失机理，即由固体电解质界面膜生成导致的活性锂损失(LLI)以及由电极材料机械疲劳造成的活性材料损失(LAM)，开展了针对性的研究。依次建立起基于化学反应速率分析的LLI容量损失机理模型与基于疲劳裂纹扩展的LAM容量损失机理模型。最终构建起多应力耦合条件下的电池全寿命容量损失模型，实验证明该模型在电池全生命周期内均具有良好的预测精度，预测误差小于5%。     

考虑负荷预测不确定性的快充站储能鲁棒实时控制策略

当电动汽车快速充电站配置电池储能系统时，合理的能量管理策略对控制充电负荷峰值功率、减小功率波动具有重要意义。然而，能量管理策略的有效性依赖于准确的负荷预测，但实际上由于环境影响和预测模型的原因负荷预测无法完全准确。基于以上问题，为应对充电站储能能量管理策略中充电负荷不确定造成的影响，提出了考虑负荷预测不确定性的储能鲁棒实时控制策略。首先，分析了现有的负荷预测方法，并对负荷预测结果进行建模；然后，运用鲁棒预测控制方法，分别以充电站电费最小和储能系统荷电状态波动最小为目标构建系统模型和设计控制策略，并通过鲁棒对等转化将不确定性模型消除，有效应对负荷预测不确定性的影响。算例研究表明，通过对比模型预测控制和逻辑门限控制的结果，所提的鲁棒控制策略能够有效降低充电负荷峰值，验证了策略的有效性。     

储能锂离子电池包单体内部温度压力模拟

针对储能锂离子电池热失控引发的安全问题,开发一种高效锂离子软包电池内部温度压力模拟方法,为储能系统提供电池状态实时监测工具。首先,通过融合化学反应模型、热路模型和膨胀模型,将软包电池内部生热、产气、传热、膨胀等过程集成到统一的计算框架中。其次,建立基于微分方程组的软包电池温度、压力计算模型,反应模型和热路模型通过温度、生热率等状态参数彼此耦合。再次,将该方法应用于4款电池样本进行温度、压力模拟。计算值和实测值对比表明,该方法能高效计算锂离子软包电池内部温度和压力,最大模拟误差小于4%,具有良好的计算精度。并且,该方法求解过程无需调用耗时的多物理场耦合仿真,计算效率高。     

基于集成经验模态分解与集成机器学习的锂离子电池剩余使用寿命预测方法

准确预测储能锂离子电池剩余使用寿命(remaining useful life, RUL)对于电力系统的安全性与可靠性至关重要。针对锂离子电池老化轨迹呈现非线性变化的问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)和集成机器学习的锂离子电池剩余使用寿命预测方法。首先,利用集成经验模态分解算法分解锂离子电池老化数据。其次,分别利用集成的长短时记忆神经网络与相关向量机对分解得到的残差数据序列和本征模态数据序列建模预测。最后,融合预测的残差数据序列和本征模态数据序列,综合计算锂离子电池未来寿命老化轨迹。采用储能锂离子电池老化数据进行验证,结果显示所提出的锂离子电池RUL预测方法具有更好的鲁棒性与非线性跟踪能力。     

基于快速充电曲线的退役锂电池模块快速分选技术

由于在使用过程中造成的电池间的不一致性,退役锂离子电池在储能应用等梯次利用前要进行一致性分选。然而,现有的退役锂电池分选方法存在着效率低下的问题,并且研究多集中于单体,针对模块层面的分选方法相对欠缺。为此提出了一种基于机器学习算法的退役锂电池模块快速分选方法。首先阐述了由于电池不一致性所带来的串联充电曲线不同的现象,基于此原理设计了分选步骤;其次,提出了基于支持向量机的筛选模型,实现了利用少部分样品电池的特征电压筛选大批量的退役电池;进一步,提出了一种针对模块级别的退役电池重组方法,以应对实际工程中电池模块难以拆解的特性。结果表明,相较于传统方法,所提退役电池模块快速分选方法大幅提升了分选效率,同时解决了退役锂电池模块分选的问题。     

基于DEKF的储能电池系统SOC估计方法研究

电池管理系统(BMS)是储能电池系统安全稳定运行的重要保障。为了保障储能电池系统的运行可靠性,在BMS投入运行前进行系统测试具有重要意义,而目前对于储能系统BMS的荷电状态(SOC)估计方法缺乏测试规范和标准。因此,文中针对储能电站BMS建立了入网测试平台,根据电池外特性信息建立Thevenin等效电路模型,电池开路电压曲线获取采用了电池倍率放电曲线外推的方法,结合双扩展卡尔曼滤波(DEKF)算法实现SOC的准确估计,并与EKF方法进行了对比。结果表明,DEKF方法在收敛速度和SOC估计精度上存在优势,分别在典型联邦城市运行工况(FUDS)和动态应力测试(DST)测试工况下,运用DEKF方法和EKF方法估计得到的SOC误差都低于1%,电池端电压误差分别在±10 mV和±20 mV以内,平均绝对误差分别为2.7 mV和3.8 mV。