预制舱式磷酸铁锂电池储能电站能耗计算研究

目的  基于站内能量损耗来源和设备属性详细分类,提出了预制舱式磷酸铁锂电池储能电站能耗计算方法。 方法  从储能电站的角度论述了预制舱式磷酸铁锂电池储能电站能耗计算中需考虑的主要因素,进而将储能电站的能耗分为2个部分,即储能系统自身的损耗和辅助设备运行的损耗,并分别给出了每部分能耗的计算方法及效率值的选取方法。 结果  通过实际算例,分析了配置规模为2 MW/2 MWh的储能电池预制舱在典型运行方式下的全天运行能耗,并与现场试验结果进行了对比,从储能电池产热和空调传导热能的角度分析了现场试验结果和理论分析的差别,对储能电站的能耗统计提出了建议。 结论  研究提出的能耗计算方法较全面地论述了影响预制舱式磷酸铁锂电池储能电站能耗指标的主要因素,依据设备属性详细分类给出了主要设备的能耗计算方法,具有较好的工程参考价值。     

基于麻雀优化算法的锂电池健康状态估计方法

目的  准确估计锂离子电池健康状态（SoH）对于未来的智能电池管理系统具有重要意义。为解决数据特征质量差以及模型参数调整困难的问题,提出了基于奇异值定阶降噪以及麻雀算法优化门控循环（GRU）神经网络的锂电池SoH估计方法。 方法  首先,从电池充放电数据中提取了3个与SoH衰减高度相关的指标,运用奇异值分解技术对特征进行降噪,提高了其与SoH的相关性。接着,使用麻雀搜索算法优化GRU神经网络的模型结构及参数,提高其对SoH的估计精度。最后,使用先进生命周期工程中心（CALCE）的电池数据集验证所提模型的有效性。 结果  实验结果表明,所提模型适用于电池SoH估计,其最大均方根误差（RMSE）仅为0.018 4;经过数据降噪以及算法优化后的GRU模型,其RMSE比初始模型减少了55.41%。 结论  文章所提方法实现了SoH的准确估计,可为实际工程应用提供参考。     

锂电池化成双向AC/DC变换器研究

传统的锂电池化成控制系统造成大量的能源浪费并对电网污染严重。针对此问题,提出了一种能量受控的双向AC/DC变换器,该变换器采用改进的电压型PWM整流器与半桥型双向DC/DC相结合的拓扑结构,以新一代飞思卡尔单片机MPC5604B为核心控制芯片,并运用电压电流双闭环的控制算法,实现能量的双向流动以及锂电池的恒压、恒流充放电功能。通过实验证明该变换器基本可以实现充电时网侧功率因数为1和放电时功率因数为-1。     

锰掺杂钴酸锂LiMnxCo1-xO2的性能研究

采用XRD、循环伏安和恒电流充放电等方法研究了用Mn(NO3)2做锰源掺杂合成的锂离子电池正极材料LiMnxCo1-xO2的结构及其电化学行为.结果表明,以0.5 mA/cm2充放电,Li/LiMnxCo1-xO2电池充电容量有所下降;但放电工作电压平台均在3.6 V左右,放电容量随着x从0.05增至0.25,从98.88 mAh/g下降到55.70 mAh/g;与LiCoO2相比,放电容量分别减少了10.6%和49.6%.XRD结果显示,随着x的增加,充放电前后LiMnxCo1-xO2中均含有MnO2的特征峰,充电后相应的晶胞参数c和a分别略有增大和减小.然而,循环伏安结果显示与LiCoO2相比,LiMnxCo1-xO2并没有新的氧化还原峰产生,说明其中的MnO2并未参加充放电反应.     

MW级集装箱式电池储能系统研究

MW级集装箱式电池储能系统(CBESS)是未来电网发展的重要支持,能够有效提高电力系统的稳定性、可靠性和电能质量。综述了MW级集装箱式电池储能系统的研究现状,详细介绍了MW级集装箱式电池储能系统的相关概念和工作原理,全面阐述了MW级集装箱式电池储能系统的结构、设计、应用等方面的特点和优势,深入探讨其发展前景和研究方向。     

基于TMS320F2812的铁锂电池充放电控制

设计了一套基于SVPWM技术以TMS320F2812 DSP为控制核心的铁锂电池充放电控制系统.该系统的硬件电路设计包括主电路、电压电流采集电路以及DSP控制电路等,并给出各电路详细的工作原理;研究了算法的数字化实现并设计了控制框图,给出了包括主程序,SVPWM波产生程序,充放电程序等程序模块的流程图;通过Matlab对所设计系统模型进行仿真.仿真结果验证了电路拓扑结构的正确性和控制方案的可行性.     

光储联合并网发电系统的设计与研究

结合实际工程,介绍了小型光储联合并网发电系统的设计方案。该工程以示范性和试验性为主要目的,在设备选型上囊括了目前典型的几种电池组件、跟踪系统及逆变器。整个设计包括系统集成、并网方案、电池组件及支架、监控系统、储能系统等部分。重点介绍了储能系统在光伏并网发电系统中的配置和应用前景,对铁锂电池、全钒液硫电池的特性和在分布式新能源发电领域的应用进行了研究。     

基于改进PNGV模型的动力锂电池SOC精确估计

作为动力锂电池的核心参数,锂电池的荷电状态(SOC)的精度估算决定了储能系统控制的精度和管理的可靠性,目前业内对于SOC估计算法的研究不够深入,导致精度低,计算量大,并且依赖于初始值精度,工程应用难度大,以至于动力锂电池管理系统的精确控制和管理难以实现。对电池等效电路PNGV模型进行改进,提高了模型精度,并结合拓展卡尔曼滤波算法(EKF)实现了高精度的SOC估计,通过电池实测和仿真验证,该算法提高了SOC估算精度,解决了SOC估计依赖初值精度问题,具有较高的工程应用价值。     

锂电池馈电并网系统的设计与实现

针对锂电池在生产流程中需要进行充放电的特性,设计了锂电池能量并网回收系统。该系统能够以锂电池的低压直流电压为输入,完成直流升压及逆变并网的功能,将生产锂电池过程中放电的能量回馈到电网,实现节约能源的目的。文中详细叙述了系统中DC/DC变换器、三相并网逆变器以及控制方法的设计思路和过程。实验结果表明,按照文中方法设计的样机能够稳定地并网运行。     

基于动态遗忘因子最小二乘与EKF的电池SOC估计

电池荷电状态SOC（State Of Charge）作为电池管理系统中尤为重要的一部分,其准确估计成为锂离子电池研究的重点。为了提高动态工况下的SOC估计精度,对锂离子电池等效模型进行分析,基于AIC（赤池信息）准则确定二阶RC电路为等效电路模型,使用递推最小二乘算法对模型参数进行在线辨识,为提高辨识精度,提出了改进带动态遗忘因子递推最小二乘算法,对算法加入遗忘因子,通过电压结果误差实时动态调整算法遗忘因子取值。将递推最小二乘算法和含动态遗忘因子最小二乘算法分别与扩展卡尔曼滤波（EKF）算法进行SOC联合估计,并对比其预测效果,结果表明含有动态遗忘因子最小二乘与EKF联合估计模型具有更高的精度和鲁棒性。