储能电池状态评估及安全预警

储能技术与应用高峰论坛研究背景研究工作研究背景研究工作未来展望2国家能源局NationalationalDevelopmentandReformCommissi储能电池状态感知及安全预警研究：“双碳目标”储能电池状态感知及安全预警研究：“双碳目标”3新能源电力系统是支撑国家双碳目标的基石，储能是保障系统稳定运行的关键，储能电池故障频发，成为制约新能源电力系统发展的瓶颈绿色地球交通强国绿色地球交通强国双碳目标储能系统亟需开展大规模储能电池智能运维安全预警技术研究4成本趋势成本趋势装机规模2024年度中国电力市场发展报告，全国新型储发展趋势发展趋势技术路线5事故统计典型案例备损毁，起因指向三元锂电池热失控致因链致因链0.5m/s中电联，2024）6数量众多（十万级）高寒低压7容量巨大（MW级）传统方法对象单一、速度慢、效率低，难以适应大规模储能的发展需求储能电站具有电池数量众多、容量巨大、场景复杂等特点数量众多（十万级）高寒低压7容量巨大（MW级）传统方法对象单一、速度慢、效率低，难以适应大规模储能的发展需求戈壁干热戈壁干热滨海盐雾滨海盐雾高原紫外高原紫外储能电池性能恶化储能系统安全事故储能电池性能恶化储能系统安全事故源网荷储相互作用源网荷储相互作用短路短路过放过充过放过充鼓包爆炸漏液鼓包爆炸漏液综合表征储能电池性能，实现电池智能运维是关键8大数据人工智能感知锂离子电池状态，提高安全性、耐久性和经济性数据获取是储能电池大数据人工智能运维预警技术的基础健康评估是储能电池大数据人工智能运维预警技术的关键θθ研究背景研究工作研究背景研究工作未来展望机理数据融合的储能电池智能感知与安全预警储能电池电化学模型储能电池电化学模型储能电池热模型研究工作2锂离子电池SOH的智能评估研究工作3锂离子电池RUL预测研究工作1锂离子电池SOC估计电池容量评估内部阻抗评估复杂环境条件下电池寿命预测不同温度和老化条件下SOC电池容量评估内部阻抗评估复杂环境条件下电池寿命预测在高倍率工况下，电池内部电化学反应加剧，在高倍率工况下，电池内部电化学反应加剧，导致焦耳热和极化热显著增加，引发温度分布不均。这种不均匀的温度场会加速电池老化、降低性能，甚至引发热失控，威胁系统安全性。研究揭示倍率与热行为的关系，为锂离子电池热管理系统的优化设计提供理论依据。进一步导致电流密度分布不均：温度高的区域内阻小，电流集中，加剧局部老化电压和荷电状态不一致：影响电池组的整体输出性能和能量利用效率寿命不均衡：长期运行下，电池组中某些单体或局部区域会提前失效加速电池老化降低性能引发热失控威胁系统安全性P2D模型是由Doyle和Newman提出的基于物理原理的电池仿真框架，是锂离子电池电化学建模的核心框架。P2D模型主要通过6个方程描述电化学反应过程，固相锂离子扩散方程、液相锂离子扩散方程、固相欧姆定律方程、液相欧姆定律方程、电荷守恒方程，以及Butler-Volmer动力学方程。在构建电化学-热耦合模型时，可采用平均热源和平均温度的简化耦合方法。通过利用计算P2D电化学模型产生的热量，并取其平均值作为固态传热模块的热源输入；随后将传热模型计算得到的温度数据进行平均化处理，并反馈至电化学模型，从而实现动态双向耦合，完成电化学-热耦合模型的构建。电化学-热耦合模型耦合关系图0.5C电池温度分布图与变化曲线图10C电池温度分布图与变化曲线图4C电池温度分布图与变化曲线图二、研究工作1-锂离子电池SOC估计锂离子电池SOC准确估计，可以有效防止锂离子电池过充电和过放电SOC估计对于电池能量管理、安全运行、延长服役寿命具有重要意义锂离子电池SOC估算方法主要包括测量法、模型驱动法、数据驱动法过放过充过放过充难点和挑战：电流、电压、温度、SOC非线性映射关系构建二、研究工作1-锂离子电池SOC估计1.1基于鲸鱼优化算法和多核相关向量机的电池SOC估计WOAWOA-MKRVM算法流程图P二、研究工作1-锂离子电池SOC估计1.1基于电流、电压、温度的电池SOC准确估计电池B0005充放电的电压、电流测量电池B0005充放电的电压、电流测量三组电池充放电的SOC三组电池充放电温度变化情况/(A•h)/(A•h)222归一化处理：Yi=yi-yminymax-ymin二、研究工作1-锂离子电池SOC估计电池B0007两次充放电SOC训练与估计1.2提出了人工智能的SOC估计方法，精度大幅提高，平均误差小于电池B0007两次充放电SOC训练与估计电池B0006两次充放电SOC训练估计及误差分析umWOA-RVM-WOA-RVM-WOA-RVM-电池B0007两次充放电SOC训练与估计误差电池B0005电池B0007两次充放电SOC训练与估计误差电池B0005两次充放电SOC训练估计以及误差分析m111二、研究工作2-锂离子电池SOH智能估计锂离子电池老化将会导致电池可用容量减小与内阻增大锂离子电池老化严重影响锂离子电池荷电状态SOC估计锂离子电池健康状态(SOH)监测是电池能量管理的基础难点和挑战：锂离子健康特征快速提取和状态评估难点和挑战：锂离子健康特征快速提取和状态评估20二、研究工作2-锂离子电池SOH估计2.1基于遗传算法和BP神经网络的电池容量评估二、研究工作2-锂离子电池SOH估计2.1老化实验及物理意义特征提取三组电池的充电IC曲线三组电池的充电IC曲线电池B0005的放电电压曲线电池B0005充放电实验1.所选特征与电池容量的皮尔森相关性系数2.所选特征与电池容量的斯皮尔曼相关性系数1.所选特征与电池容量的皮尔森相关性系数2.所选特征与电池容量的斯皮尔曼相关性系数22二、研究工作2-锂离子电池SOH估计2.1提出了优化特征组合的遗传算法BP神经网络电池容量评估方法，IC曲线特征具有放电物理意义，评估误差小于0.3%1.电池B0005不同特征组合下误差指标电池B0005不同特征组合下的SOH预测与估计误差23二、研究工作2-锂离子电池SOH估计2.2相关性检验充电曲线和IC曲线特征的电池阻抗估计2.2相关性检验充电曲线的特征提取电池电压在达到充电曲线的特征提取电池电压在达到4.2V之前变化较快ΣΣ(xi_x)(yi_y)取所提取的健康特征量与电池所提取的健康特征量与电池Re和Rct的相关系数绝对值均大于0.8，相关性强24242.2建立布谷鸟搜索算法结合支持向量机的电池阻抗评估模型，实现不同电池的欧姆阻抗和电荷转移电阻精确评估估计结果估计结果Impedanceestimationforlithium-ionbatteryusingsupporImpedanceestimationforlithium-ionbatteryusingsuppor252.3建立粒子群优化算法结合BP神经网络的电池容量评估模型，基于电热特征实现少量历史数据的电池SOH精确评估“Robust“Robustestimationoflithium-ionbatterystateofhealthbasedonelectro-thermalfeaturesandmachinelearning”,ProceedingsoftheInstitutionofMechanicalEngineers.2024262.4短时充电特征提取与混合神经网络模型构建“Batterystateofhealthestimationusingdeeptransferlearningonshort-termchargingdata”,Measurement.2025272.4提出了一种结合卷积神经网络与双向长短期记忆网络的深度混合神经网络健康估计方法，实现不同电池的容量精确评估“Batterystateofhealthestimationusingdeeptransferlearningonshort-termchargingdata”,Measurement.2025282.4提出的锂离子电池深度迁移健康估计方法，评估误差小于1.2%“Batterystateofhealthestimationusingdeeptransferlearningonshort-termchargingdata”,Measurement.202529二、研究工作2-锂离子电池SOH估计2.5基于特征融合与混合神经网络模型的锂离子电池健康状态预测二、研究工作2-锂离子电池SOH估计2.5基于特征融合与混合神经网络模型的锂离子电池健康状态预测二、研究工作3-锂离子电池寿命预测锂离子电池的不同应用场景对其寿命影响显著AI神经网络的核参数调整存在困难，精度受限二、研究工作3-锂离子电池寿命预测3.1构建了多核支持向量机的电池寿命预测模型，与单核未优化支持向量机相比，多核支持向量机的电池寿命预测模型更能准确的学习和预测电池老化趋势“Capacitydegradationpredictionoflithium-ionbatterybasedonartificialbeecolonyandmulti-kernelsupportvectorregression”,JournalofEnergyStorage.2023二、研究工作3-锂离子电池寿命预测3.2提出了人工蜂群算法的多核支持向量机电池寿命预测方法，与传统预测方法相比，预测精度提高2倍研究背景研究工作研究背景研究工作未来展望三、未来展望1-高铁动车组电池组是高铁重要的储能装备，紧急工况的动力来源，直接