全钒液流电池健康状态（SOH）特性

doi:10.19799/j.cnki.2095-4239.2022.0409

储能科学与技术 ›› 2022, Vol. 11 ›› Issue (12): 4022-4029.doi: 10.19799/j.cnki.2095-4239.2022.0409

全钒液流电池健康状态（SOH）特性

张爽¹(), 许伽宁¹, 张蓉蓉², 刘宗浩²(), 王琛淇¹, 刘若男², 荣明林²

^1.国网辽宁省电力有限公司阜新供电公司，辽宁阜新 123000
^2.大连融慧能源科技有限公司，辽宁大连 116085

收稿日期:2022-07-20 修回日期:2022-08-01 出版日期:2022-12-05 发布日期:2022-12-29
通讯作者: 刘宗浩 E-mail:635142901@qq.com;zonghao.liu@ rongkepower.com
作者简介:张爽（1991—），女，硕士，工程师，研究方向为电力调度与控制运行，E-mail：635142901@qq.com；
基金资助:
化工园区垃圾发电与储能电池协调控制技术研究(2021YF-26)

State-of-health characteristics of all-vanadium redox flow batteries

Shuang ZHANG¹(), Jianing XU¹, Rongrong ZHANG², Zonghao LIU²(), Chenqi WANG¹, Ruonan LIU², Minglin RONG²

^1.State Grid Fuxin Electric Power Supply Company, Fuxin 123000, Liaoning, China
^2.Dalian Conspark Energy Co. , Ltd. , Dalian 116085, Liaoning, China

Received:2022-07-20 Revised:2022-08-01 Online:2022-12-05 Published:2022-12-29
Contact: Zonghao LIU E-mail:635142901@qq.com;zonghao.liu@ rongkepower.com

摘要/Abstract

摘要：

电池系统健康状态(SOH)特性的准确掌握和评估对于提高电池储能系统的可调度特性和运行的经济性具有重要意义，是新型储能系统大规模应用非常重要的一个指标。本研究基于自主开发的全钒液流电池系统测试平台，模拟全钒液流电池系统实际运行工况开展了近2年的充放电实验。本文对全钒液流电池测试平台2年内的容量、能量效率，平均价态及电池内阻变化进行了总结和分析。实验数据表明，在本研究运行工况下全钒液流电池系统年度SOH降低幅度大约为4%，能量效率保持基本稳定。分析发现，平均价态变化使得放电末期浓差极化内阻快速增加是导致全钒液流电池系统容量衰减的主要原因，同时全钒液流电池系统SOH表现出与其他固态电池非常明显的差异性，即全钒液流电池的SOH是可100%恢复的。

关键词: 全钒液流电池, 健康状态, 影响因素

Abstract:

The battery system's state of health(SOH)characteristic is a crucial indicator for the large-scale application of the new system for improving the battery energy storage system's dispatchability and operating economy. Based on the self-developed all-vanadium redox flow battery system test platform, this study simulates the actual operating conditions of the all-vanadium redox flow battery system for approximately two years of charging and discharging. Here, the capacity, energy efficiency, comprehensive valence state, and internal resistance changes of the all-vanadium redox flow battery test platform are summarized and analyzed. This study's experimental data show that under operating conditions, the annual SOH reduction of the all-vanadium redox flow battery system is approximately 4%, and the energy efficiency remains stable. Furthermore, the analysis found that the rapid increase in the concentration polarization internal resistance at the end of discharge caused by the average valence state change is the main reason for the capacity decline of the all-vanadium flow battery system. Moreover, the SOH of the all-vanadium redox flow battery system also shows a pronounced difference from other solid-state batteries, implying that the SOH of the all-vanadium redox flow battery can be 100% recoverable.

Key words: all vanadium flow battery, SOH(state of health), influencing factors

中图分类号:

TM 911

张爽, 许伽宁, 张蓉蓉, 刘宗浩, 王琛淇, 刘若男, 荣明林. 全钒液流电池健康状态（SOH）特性[J]. 储能科学与技术, 2022, 11(12): 4022-4029.

Shuang ZHANG, Jianing XU, Rongrong ZHANG, Zonghao LIU, Chenqi WANG, Ruonan LIU, Minglin RONG. State-of-health characteristics of all-vanadium redox flow batteries[J]. Energy Storage Science and Technology, 2022, 11(12): 4022-4029.

图/表 12

图1

表1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

参考文献 13

1	冯一峰, 沈佳妮, 车海英, 等. 钠离子电池健康状态预测[J]. 储能科学与技术, 2021, 10(4): 1407-1415.
	FENG Y F, SHEN J N, CHE H Y, et al. State of health prediction for sodium-ion batteries[J]. Energy Storage Science and Technology, 2021, 10(4): 1407-1415.
2	SINKARAM C, RAJAKUMAR K, ASIRVADAM V. Modeling battery management system using the lithium-ion battery[C]// 2012 IEEE International Conference on Control System, Computing and Engineering. IEEE, 2012: 50-55.
3	RAMADASS P, HARAN B L, GOMADAM P M, et al. Development of first principles capacity fade model for Li-ion cells[J]. Journal of the Electrochemical Society, 2004, 151(2): A196.
4	戴彦文, 于艾清. 基于健康特征参数的CNN-LSTM＆GRU组合锂电池SOH估计[J]. 储能科学与技术, 2022, 11(5): 1641-1649.
	DAI Y W, YU A Q. Combined CNN-LSTM and GRU based health feature parameters for lithium-ion batteries SOH estimation[J]. Energy Storage Science and Technology, 2022, 11(5): 1641-1649.
5	常泽宇, 张之琦, 张晓东, 等. 基于数据驱动的动力电池健康状态评估平台[J]. 储能科学与技术, 2022, 11(6): 1847-1853.
	CHANG Z Y, ZHANG Z Q, ZHANG X D, et al. A data-driven state of health(SOH)assessment platform for vehicle power batteries[J]. Energy Storage Science and Technology, 2022, 11(6): 1847-1853.
6	吴盛军, 袁晓冬, 徐青山, 等. 锂电池健康状态评估综述[J]. 电源技术, 2017, 41(12): 1788-1791.
	WU S J, YUAN X D, XU Q S, et al. Review on lithium-ion battery health state assessment[J]. Chinese Journal of Power Sources, 2017, 41(12): 1788-1791.
7	RAMADASS P, HARAN B L, WHITE R, et al. Mathematical modeling of the capacity fade of Li-ion cells[J]. Journal of Power Sources, 2003, 123(2): 230-240.
8	SCHMIDT A P, BITZER M, IMRE Á W, et al. Model-based distinction and quantification of capacity loss and rate capability fade in Li-ion batteries[J]. Journal of Power Sources, 2010, 195(22): 7634-7638.
9	BARRÉ A, DEGUILHEM B, GROLLEAU S, et al. A review on lithium-ion battery ageing mechanisms and estimations for automotive applications[J]. Journal of Power Sources, 2013, 241: 680-689.
10	LI J H, KLEE BARILLAS J, GUENTHER C, et al. Sequential Monte Carlo filter for state estimation of LiFePO₄ batteries based on an online updated model[J]. Journal of Power Sources, 2014, 247: 156-162.
11	高新亮, 张华民, 邹毅, 等. 液流电池容量衰减控制系统及方法: CN109659587B[P]. 2020-10-30.
	GAO X L, ZHANG H M, ZOU Y, et al. Liquid flow battery capacity attenuation control system and method: CN109659587B[P]. 2020-10-30.
12	高新亮, 张华民, 孙晨曦, 等. 有机小分子作为全钒液流电池容量恢复添加剂的应用: CN103000927A[P]. 2016-05-11.
	GAO X L, ZHANG H M, SUN C X, et al. Application of small organic molecules as all-vanadium redox flow battery capacity recovery additive: CN103000927A[P]. 2016-05-11.
13	刘宗浩, 邹毅, 高素军. 电力储能用液流电池技术[M]. 北京: 机械工业出版社, 2022.
	LIU Z H, ZOU Y, GAO S J. Flow battery technology for electric energy storage[M]. Beijing: China Machine Press, 2022.

参数	数值
额定功率	10 kW
额定容量	40 kWh
直流电压	DC36 V～57.6 V
最大直流电流	390 A
外形尺寸(W×D×H)	875 mm×1775 mm×2060 mm
运行环境温度	0～40 ℃

[1]	陈晓宇, 耿萌萌, 王乾坤, 沈佳妮, 贺益君, 马紫峰. 基于电化学阻抗特征选择和高斯过程回归的锂离子电池健康状态估计方法[J]. 储能科学与技术, 2022, 11(9): 2995-3002.
[2]	张华民. 全钒液流电池的技术进展、不同储能时长系统的价格分析及展望[J]. 储能科学与技术, 2022, 11(9): 2772-2780.
[3]	韦荣阳, 毛阗, 高晗, 彭建仁, 杨健. 基于TWP-SVR的锂离子电池健康状态估计[J]. 储能科学与技术, 2022, 11(8): 2585-2599.
[4]	姚祯, 张琦, 王锐, 刘庆华, 王保国, 缪平. 生物质衍生碳材料在全钒液流电池电极方面的应用[J]. 储能科学与技术, 2022, 11(7): 2083-2091.
[5]	鲁志颖, 江杉, 李全龙, 马可心, 傅腾, 郑志刚, 刘志成, 李淼, 梁永胜, 董知非. 全钒液流电池在充电结束搁置阶段的开路电压变化[J]. 储能科学与技术, 2022, 11(7): 2046-2050.
[6]	常泽宇, 张之琦, 张晓东, 李丽, 郁亚娟. 基于数据驱动的动力电池健康状态评估平台[J]. 储能科学与技术, 2022, 11(6): 1847-1853.
[7]	戴彦文, 于艾清. 基于健康特征参数的CNN-LSTM&GRU组合锂电池SOH估计[J]. 储能科学与技术, 2022, 11(5): 1641-1649.
[8]	王瑄, 叶强. 全钒液流电池电堆局部供液不足导致副反应加剧的现象[J]. 储能科学与技术, 2022, 11(5): 1455-1467.
[9]	张孝远, 张金浩, 蒋亚俊. 基于改进TCN模型的动力电池健康状态评估[J]. 储能科学与技术, 2022, 11(5): 1617-1626.
[10]	王振宇, 郭子啸, 范新庄, 赵天寿. 全钒液流电池中蛇型和插指型流道的对比[J]. 储能科学与技术, 2022, 11(4): 1121-1130.
[11]	耿萌萌, 范茂松, 杨凯, 赵光金, 谭震, 高飞, 张明杰. 基于EIS和神经网络的退役电池SOH快速估计[J]. 储能科学与技术, 2022, 11(2): 673-678.
[12]	朱兆武, 张旭堃, 苏慧, 张健, 王丽娜. 全钒液流电池提高电解液浓度的研究与应用现状[J]. 储能科学与技术, 2022, 11(11): 3439-3446.
[13]	李放, 闵永军, 王琛, 张涌. 基于充电过程的锂电池SOH估计和RUL预测[J]. 储能科学与技术, 2022, 11(10): 3316-3327.
[14]	祁梦瑶, 侯一晨, 陈磊, 杨立军. 新型径向流动全钒液流电池单元数值模拟[J]. 储能科学与技术, 2022, 11(10): 3209-3220.
[15]	谢克桓, 李传常, 陈荐, 余龙海, 谭准, 秦位海. 全钒液流电池储能仿真模型及荷电状态监测方法研究[J]. 储能科学与技术, 2021, 10(6): 2363-2372.

全钒液流电池健康状态（SOH）特性

State-of-health characteristics of all-vanadium redox flow batteries

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价