CTM蓄电池电化学储能电站电池维护与状态识别研究

ctm蓄电池电化学储能电站电池维护与状态识别研究

文章介绍了储能电站快速展开背景下电池运维及安全现状，提出快速检测储能电池的参数信息、辨认储能电池的反常状况、优化储能体系的操控战略，提高储能电池的功能迫切需求，并对储能电池状况预算进行研讨探讨。

关键词：电化学储能电站，电池保护，状况辨认

1引言

跟着电力体系、新动力发电、清洁动力等职业的飞速展开，对储能技能尤其是大规划储能技能提出了更高的要求，储能技能已经成为电力工业展开不可或缺的关键环节。储能技能在电力体系中的运用将成为智能电网展开的一个必然趋势，是储能工业未来展开的重中之重。在“双碳”目标下，电力储能成为新动力电力体系的重要组成部分，必须在动力体系的贮存、调理才能上构成与可再生动力建造速度一致的展开节奏，在大力展开新动力的一起，对储能技能的前进以及储能在新动力展开中的特殊作用的知道还存在不足之处，因而更需对储能领域进行深度探究，防止储能在电力体系中规划滞后。

储能技能的运用也面临着巨大挑战，当下储能电池的安全问题急需处理。近年来，跟着各地锂离子电池储能电站的很多建造，储能电站的安全问题逐渐地凸显出来。近5年，全球产生70多起储能事故事件，严峻威胁电网和人身安全。储能体系电池串并联数量多、规划大，安全风险和影响非常严峻。而储能电站的安全事故往往都是由于在预警缺失或滞后的情况下，电池本身热失控或是其他外部要素导致电池焚烧引发的。快速检测储能电池的参数信息、辨认储能电池的反常状况、优化储能体系的操控战略，提高储能电池的功能，成为迫切需求处理的储能技能问题。

2储能电站电池运转保护

现在，储能电站的建造展开迅猛，跟着储能工业迅速展开，对储能技能的要求也不断提高，而跟着储能电站的工业化和市场化，越来越多的研讨倾向于储能电站的体系化和集成化，但储能电池与并网操控的研讨大多单一进行，在该处两者之间缺乏有用协同。因而，展开储能电池运转状况与并网操控协同研讨，突破储能电池多场景下运转状况评价的技能难题，对保证储能电池的安全经济稳定运转具有重要意义。

现在各储能电站主要采取站端监控体系合作人工巡检，对储能电池进行监控办理，站端监控体系主要对电池、BMS、PCS等设备的作业状况进行实时监控和反常告警。由于BMS现在只能获得电压、温度、电流等数据，且其核算才能有限。EMS主要是数据剖析展示及能量调度。两者都无电池内部改变趋势剖析、电池热失控先兆预警、电池安全状况精确评价等方面功能。

处理储能电池的安全问题以及新动力并网操控的协同问题，可通过精确快速地监测到储能电池的状况信息，提高参数信息采集的精确度，并利用储能电池的状况估量参数，建立起一套行之有用的储能体系协调操控战略，然后完成储能体系和新动力电网的安全运转。展开储能电站电池保护及状况评价，能够保证储能电池的安全经济稳定运转，为电力储能安全运转提供理论和技能支撑。

3储能电池状况预算

储能电池状况预算是完成电池办理的核心技能，包含SOC预算和健康状况SOH预算。SOC 代表的是电池运用一段时刻或长时刻放置不用后的剩下容量与其满充容量的比值[1]，是储能电池办理体系的重要参数，其精确实时猜测关系到电池充放电操控和储能体系的优化办理，直接影响锂电池的运用寿命。SOC 预算常用办法有：放电实验法、安时积分法、开路电压法、卡尔曼滤波法和神经网络法等。其间，安时计量法是运用最为广泛的电池SOC 估量办法。但对于锂电池而言，安时计量法存在弊端，跟着电池充放电运转时刻变长，其累计的运转误差也将变大，意味着一旦电池处于持续的充放电作业状况，安时计量法的精确度将遭到极大约束[2]。对此，将卡尔曼及其改善估量算法用于预算电池 SOC 逐渐遭到重视[3]。扩展卡尔曼滤波算法依据电池两头电压估量其 SOC，在无法直接丈量SOC 的情况下对 SOC 的估量具有较高的精确度[4]。锂离子电池是一个复杂的非线性动态体系，而神经网络算法具有高度的非线性及自学才能，通过很多的数据学习，核算误差，向前一层反馈，不断修改各层的权值然后使误差达到抱负值。

SOH 代表蓄电池满充容量相对额定容量的百分比，是衡量电池老化程度的度量标准，其通常包含容量衰减或功率阑珊。 常用的目标包含电池容量、直流电阻和交流阻抗。SOH 预算办法主要包含基于耐久性模型的开环办法和基于电池模型的闭环办法。耐久性模型开环办法描绘了固体电解质膜电阻和电池端子电压的添加，对电池内部的物理化学反应的特性进行剖析，了解电化学反应特性和电池容量阑珊的实质，然后直接猜测容量衰减和内阻的改变。电池模型闭环办法运用最小二乘法、卡尔曼滤波和其他自适应算法，依据操作数据来辨认电池容量和内阻。 除此之外，样本熵也被用来估量电池 SOH。

 SOC 预算精确性遭到电池退化的影响严峻，一起不正确的 SOC 预算反过来可能误导电池 SOH 校准。充分考虑电池 SOC与SOH的改变规则，将SOC 与 SOH 进行联合估量，可在一定程度上处理了两者之间的严峻影响，提高预算的精度，为后续的剩下寿命猜测提供愈加有用的数据。现有电池状况预算办法大多用于 SOC 或 SOH 预算，而非两者一起预算，忽略了 SOC 与 SOH 之间的严密耦合特性，需求研讨从多时刻尺度上对其进行联合估量的办法。

4结语

储能电池作为强非线性体系，需求一些参数描绘电池功能，电压、电流等显性参数能够直接丈量，荷电状况SOC，健康状况SOH等隐形参数需求直接核算。为了得到这些参数，需求深化对电池进行建模，再辨识电池模型参数，从而辨认电池状况，通过交融电量和非电量等信息，及时捕捉电池反常，及时调整储能电站运维战略，提示运维人员及时处理，处理现在储能电池安全预警不精确、不及时的问题，提高电池运转安全性及稳定性。