“先进储能技术研究”特约专栏寄语

<正>特约专栏寄语车用动力锂电池退役时的剩余容量高达80%,具有较高的梯次利用价值。为了获得退役动力锂电池在梯次利用过程中的不同工况下电池的响应特性,本文提出了一种考虑电池老化特性的电池模型,并利用Matlab/Simulink仿真软件构建     

梯次利用锂电池健康状态预测

从电动汽车中退役的锂电池在功能元件有效的情况下可进行梯次利用,针对退役锂电池处于离线状态且单体电池之间存在性能差异等问题,以锂电池欧姆内阻为研究对象,设计适用于梯次利用锂电池性能测试工况。基于锂电池一阶RC等效电路模型,研究基于增量式自回归模型(IARX)的健康特征数据提取方法,以此构建均值内阻、最小内阻和内阻-荷电状态(SOC)三种健康因子,建立健康寿命模型,提出基于多模型数据融合技术的锂电池健康状态(SOH)预测方法。实验和仿真结果表明:所建健康寿命模型适用于预测同种类退役锂电池SOH,验证了模型的有效性;基于多模型数据融合技术有利于提高锂电池SOH预测精度,验证了此方法的可行性。     

基于老化机理分析退役磷酸铁锂电池分选方法

随着电动汽车保有量的逐年上升,退役电池梯次利用已经成为能源合理利用的必然趋势,可是在经历电动汽车复杂和严苛的工况运行后,构成电池组的单体内部老化程度不尽相同,外特性上也呈现出电池单体特性不一致。如果要进行退役电池梯次利用,首先要解决退役电池的无损检测和分选问题。以退役磷酸铁锂电池为研究对象,通过对电池的容量、内阻以及电池的容量增量(increment capacity,IC)曲线进行测试和分析,对磷酸铁锂电池内部的老化机理进行判别,提出基于老化机理分析的退役磷酸铁锂电池分选方法,并对该方法进行实验验证。结果表明,利用该方法分选出的电池所构成的电池组在电池组容量利用率和温度一致性方面都具有较好的效果。     

主被动均衡技术及其在电池梯次利用中的应用

梯次利用退役动力锂电池不一致性更加明显,其电压、内阻、容量离散性更大,现有均衡技术不能满足要求。介绍了一种智能分时的主动被动协同均衡技术,该技术结合现有均衡技术的优点,能够实现对梯次利用电池的高效和快速均衡。验证结果表明,基于该技术的均衡电路能够满足电池梯次利用工作要求。     

梯次利用动力锂电池的单体电池电化学性能

随着电动汽车的快速发展,大量车用动力锂电池面临退役。对退役动力锂电池进行合理的梯次利用,可以降低动力锂电池的全寿命周期成本,提升动力锂电池的利用价值,对电动汽车行业的快速发展具有重大意义。将退役的车用动力锂电池包进行拆卸,对其单体电池外观和电化学性能进行测试,测试结果表明:单体电池的外观尺寸符合要求,开路电压压差值较小,内阻极差值达12.66 mΩ,容量衰减较为严重,在1 C下放电温升高达56℃,贮存28天后的容量保持率为89.4%。     

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。     

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。     

退役电池梯次利用对新能源消纳影响的研究

为提高退役电池梯次利用收益,建立了退役电池平抑新能源功率预测误差模型和改善等效负荷峰谷差模型。首先分析新能源功率预测误差的影响以及新能源波动对等效负荷峰谷差和等效负荷波动率的影响,然后设计退役电池能量管理系统,通过小波包分解方法将低频能量分量分配给退役电池,并根据等效负荷大小确定退役电池充放电时间和功率。最后利用实际算例仿真,结果表明提出的退役电池梯次利用模型可以提高新能源功率预测准确率、改善峰谷特性、降低等效负荷波动率,并大幅提高收益。     

梯次利用电池在储能电站中应用的可行性分析

通过对比分析梯次利用电池与新电池的全生命周期成本差异,建立了考虑电池寿命和运行特性的度电成本分析模型,用该模型分析了梯次利用电池与新电池以及铅炭电池的度电成本,探讨了梯次利用电池度电成本的影响因素,对退役电池梯次应用于储能电站的技术路线和应用方向给出了建议。     

动力锂离子电池串并联仿真技术研究

由于不一致性问题和短板效应的存在,动力锂离子电池串并联成组后性能会比单体进一步降低。以新电池筛选以及旧电池梯次利用为背景,选取电学模型分析了储能系统用大容量锰酸锂电池和磷酸铁锂电池的模型状态参数,并通过等效电路的微分方程建立了单体电池和串并联电池组的计算机仿真模型。为验证仿真模型精度以及分析串并联仿真结果,分别对不同内阻分布、荷电状态分布和单体容量分布的筛选结果进行倍率充放电实验,研究了单体电池参数不一致程度和串并联连接方式对电流不平衡度的影响。本文提出的串并联仿真方法为评估动力电池组和储能系统的性能提供了重要手段。     

碳达峰背景下退役锂电池梯次利用电热管理技术

退役锂电池的性能衰退导致其安全风险增加,近年来退役锂电池梯次利用的安全问题已逐渐成为了制约其大规模产业化的关键问题。为推进电池电热管理技术的研究进展,针对退役锂电池梯级利用中的安全问题,首先分析了其风险评估技术现状以及其电、热两方面风险评估技术难点,然后针对电管理技术以及其发展趋势进行了分析,之后梳理了退役锂电池热管理技术的建模与管控方法。最后基于上述分析,对未来退役锂电池梯级利用的发展与走向进行了总结与展望。     

退役动力电池一致性评估及均衡策略研究

电池梯次利用是处理动力电池庞大退役量的有效手段之一。针对退役电池梯次利用过程中分选技术进行研究,主要从退役电池SOC关键参数分布特性以及退役电池一致性控制策略分析两方面展开。提出主动被动协同均衡策略考虑电池参数的相关性,弥补了单一均衡方式的不足。同时提高充放电均衡控制的可靠性,实现了均衡效率的最优化。分析退役动力电池荷电状态数学模型,涵盖不同类型的退役动力电池的荷电状态。并进一步对退役动力电池储能系统荷电状态控制策略进行研究。基于主动被动协同均衡策略,分析多组退役电池储能单元的SOC一致性,为完善退役电池梯次利用一致性分选技术有所助益。     

基于退役电池在多储能场景下梯级利用的经济运行研究

为提高退役动力电池的利用率,降低储能系统成本,将退役电池梯次利用于对电池使用工况逐步温和的电动汽车充电站场景及家庭储能系统场景。在多储能场景下分析场景更迭时梯次电池容量保持率的变化以及梯次电池供求关系的变化对储能系统净收益的影响,通过优化各梯次储能系统的配置容量,以多储能场景年净收益最大为目标函数,构建了退役电池在多储能场景下梯级利用的经济性评估模型,并采用遗传算法求解模型。算例表明,退役电池在多储能场景下的梯级利用相较于其在单一场景中的二次利用可更大限度地发挥退役电池的残余价值,提高储能系统的经济效益。     

基于新型功率架构的退役动力电池储能系统在配网中的应用

目前梯次利用退役电池的储能系统仍然存在退役电池参数一致性要求高、能量均衡系统复杂的问题,无法实现真正意义上的梯次利用。针对该问题,本文提出一种新型的储能系统功率变换架构,降低对储能系统电池模组一致性的要求,简化电池管理系统要求,并介绍了退役电池梯次利用的储能系统拓扑结构、硬件电路以及充放电控制策略等,实现配电网中退役动力电池的梯次利用、对电网负荷进行峰谷调节并作为配电网的应急和后备电源。     

退役LiFePO4电池梯次利用分选方法

针对LiFePO_4退役电池,设计了基于电池容量、平衡电动势与放电直流等效内阻的特性测试,提出了用于退役电池梯次利用的统一分选指标,并给出了分选指标与不同用户需求指标之间的对应关系。同时,提出了一种通过建立数据库、电池初选、电池测试以及梯次利用分选四个步骤组成的分选方法,并通过具体案例进行验证。     

一种基于电化学阻抗谱的大规模退役锂离子电池的软聚类方法

退役锂离子电池的分选目前存在效率与精度不可兼得的问题,严重制约大规模退役锂电池梯次利用的经济性与安全性。该文针对以上问题,提出一种基于电化学阻抗谱（EIS）的退役锂离子电池软聚类方法。首先,对退役锂离子电池进行EIS测试和弛豫时间（DRT）分析,利用BP神经网络建立电池容量与DRT关联模型,并用于大规模电池容量的快速估计。然后,构建电池容量、欧姆内阻与DRT特征等六维度判据,在此基础上提出一种基于高斯混合模型的电池软聚类方法。该方法在考虑电池内部重要电化学特征的基础上实现了退役锂离子电池的软聚类,大大提高了聚类结果的准确性与灵活性。最后,通过计算轮廓系数和进行混合脉冲功率特性（HPPC）实验对聚类结果进行验证。实验结果表明,获取电池容量的时间由标准容量测试的3h缩短到10min,容量预测误差控制在4%以内;所提出的软聚类分类方法能提高电池重组的灵活性,并能保证重组电池具有很好的一致性。     

基于静动态一致性的退役动力电池模组阶梯式筛选方法

针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。     

退役动力电池在光伏储能中应用

将电动汽车退役电池重新成组为分布式光伏电站的储能系统是其梯次利用的一个重要方向。综述了5例电动汽车退役电池在分布式光伏中的储能应用案例,并论述了自制的荣威e50电动汽车退役电池储能系统在分布式光伏中的应用效果。电动汽车退役电池的梯次利用不但可以降低电池的使用成本,还兼具资源循环利用和节能减排的社会效益。     

动力电池梯次利用关键技术与应用综述

近年来，随着新能源汽车产业的发展，动力电池迎来大规模退役，为避免资源浪费，延长电池使用寿命，对动力电池梯次利用技术的研究具有重大现实意义。为此从梯次利用技术的现状出发，分析国内外梯次利用项目和相关政策，对梯次利用过程中的检测、筛选、重组和均衡技术以及电池梯次利用在多种储能场景下的应用进行综述，并对锂离子电池梯次利用中的性能检测做出重点总结。最后总结了梯次利用在电池状态评估和梯次电池筛选上的技术难点与未来的研究趋势，指出以卡尔曼滤波为代表的模型驱动方法和以人工神经网络为代表的数据驱动方法的有机结合，可以有效提高电池状态评估与分选的效率，是重要的研究趋势；提出针对不同的电池工况和不同的梯次利用场景应具有多样性的检测和分选方法，并应制订具体标准；对梯次利用的级别、标准化程度以及退役电池回收体系几个方面的研究给出了合理的建议。     

退役动力电池梯次利用关键技术及现状分析

随着电动汽车动力电池的第一个退役高峰期的来临,废旧动力电池的后续处理对环境和社会资源提出严峻挑战,储能电站是退役动力电池梯次利用的有效途径,研究退役动力电池梯次利用关键技术及其发展现状具有重大现实意义。针对梯次利用电池面临的主要问题及技术难点,首先详细介绍了国内外一些梯次储能示范工程,总结梳理了当前行业内存在的相关政策与标准。在此基础上,对退役电池梯次利用过程中的电池分类筛选、重组、热失控特征、均衡控制及电极材料回收等关键技术展开研究,并着重分析不同方法及控制策略的优缺点。最后结合国内外电动汽车发展趋势,对梯次利用电池的商业应用模式进行探讨与展望。