基于数据驱动的锂离子电池健康状态估计技术

电池健康状态(state of health,SOH)是影响锂离子电池大规模应用的关键因素,而基于数据驱动的锂离子健康状态估计方法已经成为当前相关研究的热点课题。为了系统地剖析数据驱动下电池SOH估计方法的关键技术和难点问题,从电池数据来源、特征工程、估计模型以及验证途径4个核心环节出发,综述当前研究的进展。通过多种不同方法基本机理的分析和优缺点对比,凝炼出制约技术发展的瓶颈问题,展望未来研究的重点方向,推动基于数据驱动的锂离子电池SOH估计技术的进一步发展与应用。

锂电池SOC估计的实现方法分析与性能对比

锂电池荷电状态(state of charge,SOC)估计技术是保证电力储能和电动汽车合理应用的核心技术,也是锂电池系统控制运营、监测维护的基础。在锂电池实际应用中,其表现出非线性、时变性、影响因素复杂性和不确定性的问题,造成了荷电状态估计难度大、精度不高和适应能力不足。为此,众多锂电池荷电状态估计算法及改进策略应运而生。与此同时,部分研究人员针对不同估计方法和改进策略的实现方式和优缺点开展了分析与对比,但相关综述对估计方法的技术特点和适用性方面的论述不足且缺乏系统性总结。本文首先分析了锂电池荷电状态估计的影响因素和测试标准;然后从基于实验计算的传统方法、基于电池模型的滤波类算法、基于数据驱动的机器学习技术以及数模混合估计方法四个方面开展对比分析,归纳总结各类方法的技术特点、实现过程、适用条件、难题痛点以及应用优势,系统全面地论述了现有锂电池荷电状态估计技术的研究重点和应用现状;最后,展望了锂电池荷电状态估计算法的未来研究方向。

电化学储能商业化及应用现状分析

作为储能的主要表现形式之一,电化学储能有着响应速度快、循环效率高和受地域因素影响较小等优势,伴随其成本迅速下降,在可再生能源发展需求下,电化学储能将迎来快速发展。电化学储能项目增多,市场接受度也在不断提高,国家相关龙头企业相继发布了促进电化学储能发展的指导意见,给储能产业商业模式的发展释放出积极信号。首先梳理了电化学储能商业模式,然后对其商业化应用进行了分析,最后根据所描述的内容,给出了具体意见。

规模化储能技术发展分析与思考

应对新能源发电快速发展给电网安全运行带来的挑战,可以通过大规模储能系统为电网提供灵活可靠的调度资源,改善新能源发电的间歇性和不确定性,提高电网调峰调频能力,实现电网安全、稳定和经济运行。针对储能的国内外发展现状、制约因素、规模化应用技术路线和商业模式进行了研究。