Please wait a minute...

期刊目录

    2024年, 第13卷, 第9期 刊出日期:2024-09-28 上一期    下一期
    全选选: 隐藏/显示图片
    本期中英文目录
    2024 (9):  0. 
    摘要 ( 43 )   PDF(2157KB) ( 55 )  
    相关文章 | 计量指标
    AI辅助先进电池设计与应用专刊
    AI辅助电池材料表征与数据分析
    邢瑞鹤, 翁素婷, 李叶晶, 张佳怡, 张浩, 王雪锋
    2024 (9):  2839-2863.  doi: 10.19799/j.cnki.2095-4239.2024.0585
    摘要 ( 210 )   HTML ( 83 )   PDF(17365KB) ( 143 )  

    随着锂离子电池(LIBs)的快速发展,传统实验方法在处理复杂数据和优化设计时面临挑战。近年来,人工智能(AI)技术在数据处理、模式识别和预测分析方面展现出巨大潜力,为LIBs的研发提供了新的解决方案。本文综述了AI在锂离子电池材料表征中的应用,包括谱学和成像表征技术。AI通过特征提取和数据分析,提高了谱学分析的准确性和效率;结合先进成像技术,研究者能够以前所未有的精度和速度探索材料内部结构。AI在图像识别、分类和分割中的应用,进一步提升了数据处理的效率和准确性。未来,AI将通过技术创新和跨学科合作,在电池材料科学领域发挥重要作用,推动高性能电池的研发和应用。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    机器学习辅助相场模拟预测锂离子输运参数对电池枝晶最大生长高度和空间利用率的影响
    李亚捷, 王依平, 陈斌, 林海龙, 张更, 施思齐
    2024 (9):  2864-2870.  doi: 10.19799/j.cnki.2095-4239.2024.0513
    摘要 ( 112 )   HTML ( 29 )   PDF(2595KB) ( 64 )  

    在锂基电池反复充放电的过程中,锂离子在负极表面的不均匀沉积会导致不可控的枝晶生长,进而严重影响电池的安全性能。相场模拟方法是描述和预测枝晶生长的有力手段,然而求解描述场变量演化的偏微分方程组对计算资源的要求较高。机器学习因能快速拟合历史数据中的潜在规律以实现材料性能的预测,已被广泛用于电池材料性能预测与筛选、电池健康状况评估等方面。本文以锂离子输运参数对电池枝晶形貌的影响为例,通过相场模拟收集不同锂离子扩散系数与离子电导率对应的枝晶图像,基于这些数据训练机器学习模型,进而预测给定离子输运参数所对应的枝晶描述因子(枝晶最大生长高度和空间利用率)。结果表明K-最邻近(K-nearest neighbors)模型可以较为精准地刻画离子输运参数与两种枝晶描述因子之间的联系(R2为0.995和0.992),同时机器学习模型对锂离子输运参数与枝晶描述因子间构效关系的挖掘方式及枝晶描述因子的区间范围都会影响预测结果的准确性。本文能够有效降低计算成本,有助于指导高效地设计具有枝晶抑制性能的电池材料体系。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    人工智能在长时液流电池储能中的应用:性能优化和大模型
    刘子玉, 姜泽坤, 邱伟, 徐泉, 牛迎春, 徐春明, 周天航
    2024 (9):  2871-2883.  doi: 10.19799/j.cnki.2095-4239.2024.0709
    摘要 ( 175 )   HTML ( 29 )   PDF(3263KB) ( 70 )  

    近年来,人工智能(AI)技术在电池设计与优化领域取得了显著进展,特别是在液流电池的研究中展现出巨大的应用潜力。液流电池因其低成本、大规模、长循环寿命及高安全性,成为新型电力储能系统的研究重点。然而,传统的实验与仿真方法在探索液流电池设计空间方面效率较低,难以揭示其复杂的物理化学机制。本工作提出将计算机模拟与数据驱动的AI技术相结合,建立了具备高度可解释性的多物理场驱动模型,并通过机器学习辅助分析与优化液流电池设计。研究表明,机器学习模型在电压效率、库仑效率和容量预测方面表现优异,特别是梯度提升模型(gradient boosting, GB)在预测准确性上优于其他模型。通过SHAP分析识别关键影响因素,并结合电化学反应机理进行解释,为液流电池性能优化提供了科学依据。此外,本工作还开发了一个专门针对液流电池领域的大语言模型,通过精细的提示工程和文本分析流程,尽可能最小化“幻觉”,有效提升了信息处理的准确性。本工作的研究表明,AI驱动的模拟与优化方法为液流电池的设计与性能提升提供了新途径,未来随着计算能力和算法的不断发展,AI在液流电池及其他储能技术中的应用前景将更加广阔。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    深度势能方法及其在电化学储能材料中的应用
    邓斌, 华海明, 张与之, 王晓旭, 张林峰
    2024 (9):  2884-2906.  doi: 10.19799/j.cnki.2095-4239.2024.0699
    摘要 ( 107 )   HTML ( 30 )   PDF(17501KB) ( 82 )  

    深度势能模型(deep potential,DP)通过先进的机器学习技术,从大量的原子结构和能量数据中提取知识,构建出高精度的势能面。这一创新方法有效突破了传统力场方法的局限,为材料科学领域带来了新的视角。本文概述了DP模型和软件的基本原理、开发进展与应用流程,回顾了其在电化学储能材料设计中的应用,展示了DP模型在揭示电池材料微观结构和动力学行为方面的优势。在正负极材料的研究中,精确描述脱嵌锂过程中材料的结构演变和自由能变化;在固态电解质的研究中,精确描述了材料结构与离子输运行为;在电解液的研究中,不仅提高了对溶液动态结构和性质的认识,还为氧化还原电位、酸度等物理化学性质的精确计算提供了新策略;在界面的研究中,准确解析了界面形成过程中的结构演变以及性质。这些对材料的准确描述均有利于加速对能源材料的开发。同时,指出了DP模型在电池材料模拟中仍需改进的问题,并展望了其在电池材料设计和优化中的潜在应用前景。结果说明,深度势能模型作为一种强大的计算工具,在电化学储能材料的研究中展现出巨大的应用潜力。通过不断的模型优化和算法创新,DP模型有望在未来的材料设计和电池技术发展中发挥更加关键的作用。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    大语言模型在储能研究中的应用
    袁誉杭, 高宇辰, 张俊东, 高岩斌, 王超珑, 陈翔, 张强
    2024 (9):  2907-2919.  doi: 10.19799/j.cnki.2095-4239.2024.0176
    摘要 ( 172 )   HTML ( 35 )   PDF(8162KB) ( 86 )  

    在碳达峰、碳中和的大背景下,储能科学作为一门信息密集、多学科交叉的研究领域,迫切需要新研究方法以应对其日益复杂的难题与挑战。随着人工智能技术的快速发展,大语言模型在文本处理、信息收集与整合、图片与视频生成等领域取得了巨大的成功,其应用也在逐渐延伸至自然科学研究领域,并在提升科研效率等方面展现出了巨大的潜力,有望助力储能科学应对未来挑战。本文首先以ChatGPT为例,回顾了人工智能和大语言模型领域的重大进展,从社会生活和科学研究两方面分析了这些进展所产生的影响,整理了国内重点的大语言模型;然后结合储能领域的具体案例介绍大语言模型的基本概念及原理,并从信息处理、信息生成和系统集成三个方面详细探讨大语言模型在储能研究中的应用,凸显这一全新研究方法的实际效果与发展前景;最后结合具体时代背景,指出大语言模型与储能交叉研究的挑战与未来发展方向,并对这一新领域做出总结和展望。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于大数据的电池新材料设计
    许晶, 王宇琦, 符晓, 杨其凡, 连景臣, 王力奇, 肖睿娟
    2024 (9):  2920-2932.  doi: 10.19799/j.cnki.2095-4239.2024.0565
    摘要 ( 139 )   HTML ( 32 )   PDF(8517KB) ( 107 )  

    固态电池是极具潜力的下一代储能器件之一,寻找综合性能优异的电池材料有望从根本上提升电池的性能。本文围绕固态电池中离子传输、表面/界面现象以及微观结构动态演化等关键科学问题,介绍了基于多精度传递思想的高通量材料筛选策略,以及机器学习技术在加速模拟复杂物理化学过程、解析电池内部复杂构效关系的突出作用。受益于多精度传递思想和机器学习技术的应用,可以从直接筛选、元素替换、结构单元搭建、非晶结构构建等多个角度高效获得快离子导体材料,多维度解析离子传输性能与微观机制,极大丰富了电极材料、固态电解质材料等候选范围。此外,针对电池材料研发流程的云工具箱提供了数据归档、分析及复用等多项功能,旨在使得借助大数据和人工智能的材料研发流程更为自动化。本文介绍的基于大数据的研究思路和研究模式,结合新兴的机器学习技术,能够有效加速新型电池材料的设计和开发进程,深化对电池内部复杂物理化学现象的理解,为设计实用的新型固态电池材料赋能。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    机器学习强化的电化学阻抗谱技术及其在锂离子电池研究中的应用
    何智峰, 陶远哲, 胡泳钢, 王其聪, 杨勇
    2024 (9):  2933-2951.  doi: 10.19799/j.cnki.2095-4239.2024.0708
    摘要 ( 152 )   HTML ( 30 )   PDF(10478KB) ( 102 )  

    随着电气化的发展,全球动力电池和储能电池的需求迅猛增加。然而,人们对电池使用安全性和可靠性的关注使得电池老化状态的精准诊断和预测成为电池界重要且富有挑战的研究领域之一。电化学阻抗谱(EIS)因其可以解耦电池内部不同频域过程常被用于电池复杂老化过程状态的解析,而通过机器学习方法不仅可以高效获取和解析EIS数据,而且可促进对电池老化和失效机制的深入理解。本文综述了近年来机器学习方法在EIS技术中的应用,重点讨论了通过机器学习获取和解析EIS数据,进而实现对电池寿命评估预测。此外,本文讨论了数据融合方法在实现电池老化行为分析和寿命预测中的前景,当前机器学习在EIS研究中存在的局限性,以及对未来基于EIS实现电池寿命预测进行了展望。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法
    孙丙香, 杨鑫, 周兴振, 马仕昌, 王志豪, 张维戈
    2024 (9):  2952-2962.  doi: 10.19799/j.cnki.2095-4239.2024.0658
    摘要 ( 57 )   HTML ( 13 )   PDF(2161KB) ( 41 )  

    快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    面向实车应用的磷酸铁锂电池容量辨识及特异性优化方法研究
    陈星光, 沈逸凡, 邵裕新, 郑岳久, 孙涛, 来鑫, 沈凯, 韩雪冰
    2024 (9):  2963-2971.  doi: 10.19799/j.cnki.2095-4239.2024.0144
    摘要 ( 112 )   HTML ( 20 )   PDF(2447KB) ( 62 )  

    锂离子电池作为电动汽车的重要部件之一,其健康程度直接影响车辆的续航能力、安全性能以及整体运行效率。其中,容量作为描述电池健康状态的重要指标,实车条件下的准确估计是一个难题。为此,本文提出一种结合安时积分与等效电路模型,将容量作为待辨识参数之一,通过粒子群优化算法以实现容量辨识的方法。在此基础上,聚焦于磷酸铁锂电池的电压特殊性,提出了一种面向慢充工况的特异性优化方法,以解决容量辨识过程中模型端电压拟合较差的问题,主要通过截取充电末期电压片段与使用双维度目标函数两种方法实现。本文基于两款搭载磷酸铁锂电池的电动汽车车型进行了精度验证。鉴于实车数据缺乏容量标签,本文首先基于静置充电片段计算容量作为标签值。由于标签数量不足,又采用小里程下的标称容量作为标签,通过这两种方法进行精度验证。结果显示,两款车型的平均绝对百分比误差分别为2.33%和3.38%,表明该方法具有较高的精度与适用性,为实车容量估计提供了一种思路与方法。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于多特征量分析和LSTM-XGBoost模型的锂离子电池SOH估计方法
    陆继忠, 彭思敏, 李晓宇
    2024 (9):  2972-2982.  doi: 10.19799/j.cnki.2095-4239.2024.0289
    摘要 ( 81 )   HTML ( 12 )   PDF(4890KB) ( 73 )  

    准确评估锂离子电池健康状态(state of health, SOH)对保证电动汽车的安全稳定运行至关重要。然而,传统SOH估计方法在有效提取健康特征(health features, HFs)和依赖大量特征测试数据上面临一些挑战。为此,本文提出一种基于多特征量分析和长短期记忆(long short-term memory, LSTM)-极端梯度提升(eXtreme gradient boosting, XGBoost)模型的锂离子电池SOH估计方法。首先,为准确描述电池的老化机理,从电池充电数据中提取关于时间、能量、IC三大类共6个HFs。考虑到同类型HFs之间存在大量冗余信息,采用一种基于双相关性的特征处理方法,筛选出可准确表征电池退化趋势的组合HFs。其次,针对传统SOH估计模型需要大量HFs测试数据的问题,提出一种基于LSTM-XGBoost的SOH估计模型。在该模型中,采用LSTM算法来预测电池剩余循环次数的HFs数据。同时,为解决LSTM模型进行HFs预测时计算效率不高的问题,采用LSTM-XGBoost模型进行电池SOH估计。利用NASA电池数据集进行验证,结果表明,所提出方法在不同测试数据量下能准确估计锂电池的SOH,且均方根误差保持在1%以内,具有较高的估计精度和鲁棒性。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    适用于宽温度范围的锂离子电池SOC估计方法
    胡雪峰, 常先雷, 刘肖肖, 徐威, 张文彬
    2024 (9):  2983-2994.  doi: 10.19799/j.cnki.2095-4239.2024.0341
    摘要 ( 95 )   HTML ( 22 )   PDF(7163KB) ( 46 )  

    精确的荷电状态(SOC)估计是确保动力电池安全稳定运行的关键所在。然而,在实际应用中,环境温度的变化以及噪声干扰等因素使得SOC的精确估计变得困难重重。为了解决这一问题,本文提出一种基于多新息自适应鲁棒无迹卡尔曼滤波(MIARUKF)算法的宽温度范围下锂离子电池SOC多时间尺度联合估计方法,该算法在无迹卡尔曼滤波(UKF)算法的基础上,融合多新息理论、自适应滤波与鲁棒算法。所提算法利用多新息向量对状态估计值进行修正,并对噪声协方差进行及时更新,从而提高SOC的估计精度,通过引入H∞滤波算法来提高该算法的鲁棒性。同时为了降低电池管理系统(BMS)的计算负担,使用UKF算法在宏观时间尺度上在线估计模型参数,采用MIARUKF算法在微观时间尺度上估计电池SOC。最后,在不同SOC初始值、不同温度条件下,对电池SOC的估计结果进行比较和分析,本文所提方法最大绝对误差和平均绝对误差分别为1.05%和0.42%,表明该算法具有较高的精度和较好的鲁棒性。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    融合多项式特征扩展与CNN-Transformer模型的锂电池SOH估计
    陈媛, 章思源, 蔡宇晶, 黄小贺, 刘炎忠
    2024 (9):  2995-3005.  doi: 10.19799/j.cnki.2095-4239.2024.0465
    摘要 ( 101 )   HTML ( 11 )   PDF(4075KB) ( 38 )  

    为了提高锂离子电池健康状态(state of health,SOH)估计的精确度,本研究结合卷积神经网络(convolutional neural networks,CNN)强大的局部特征提取能力和Transformer的序列处理能力,提出了基于多项式特征扩展的CNN-Transformer融合模型。该方法提取了与电池容量高度相关的增量容量(incremental capacity,IC)曲线峰值、IC曲线对应电压、面积及充电时间作为健康因子,然后将其进行多项式扩展,增加融合模型对输入特征的非线性处理能力。引入主成分分析法(principal component analysis,PCA)对特征空间进行降维,有利于捕获数据有效信息,减少模型训练时间。采用美国国家宇航局(National Aeronautics and Space Administration,NASA)数据集和马里兰大学数据集,通过加入多项式特征前后的CNN-Transformer模型对比、加入多项式特征的CNN-Transformer模型和单一模型算法对比,验证了加入多项式特征的CNN-Transformer融合算法的有效性和精确度,结果表明提出模型的SOH估计精度相较于未加入多项式特征的CNN-Transformer模型,对于B0005、B0006、B0007、B0018数据集分别提高了38.71%、50.28%、4.71%、17.58%。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于加权UMAP和改进BLS的锂电池温度预测
    黎耀康, 杨海东, 徐康康, 蓝昭宇, 章润楠
    2024 (9):  3006-3015.  doi: 10.19799/j.cnki.2095-4239.2024.0549
    摘要 ( 48 )   HTML ( 5 )   PDF(8821KB) ( 26 )  

    锂电池热过程的温度预测对锂电池的寿命管理和使用安全有着重要意义。一般电池管理系统热管理依赖准确的热过程模型。然而锂电池热过程的机理复杂,属于强非线性分布参数系统,具有参数时空耦合、时变、强非线性的特点,常规方法难以实现其热过程的精确建模。针对上述问题,提出了一种基于加权UMAP和改进BLS的三段式锂电池热过程建模方式。首先通过引入加权改进的均匀流形逼近与投影(weighted uniform manifold approximation and projection,WUMAP)降维算法解决非线性降维难题的同时保留了数据的全局与局部信息。然后利用一段宽度学习系统(broad learning system,BLS)模型对降维得到的时序数据预测。最后再通过一段粒子群算法优化的混合核宽度学习系统(particle swarm optimization-mixed kernel broad learning system,PSO-MKBLS)模型对时空域温度数据重构。为验证模型有效性,使用平板式32 Ah的Li(Ni0.5Co0.2Mn0.3)O2 三元软包锂电池的热过程建模试验。实验结果表明:最终模型与改进前相比,R2提高0.0546,MAE和RMSE分别降低0.0082和0.0092;同时与多个对比模型相比,相对误差ARE较低(在0.035以内),并且各误差指标也更好,证明模型具有良好的预测精度。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    考虑能量和温度特征的锂离子电池早期寿命预测
    何宁, 杨芳芳
    2024 (9):  3016-3029.  doi: 10.19799/j.cnki.2095-4239.2024.0583
    摘要 ( 93 )   HTML ( 24 )   PDF(5554KB) ( 56 )  

    锂离子电池长期充放电循环周期后会出现容量退化,性能下降,对储能系统构成潜在的危害。为此,本工作提出了考虑能量和温度特征的锂离子电池早期寿命预测混合模型,用以解决当前研究中对温度和能量特征以及深度学习提取出的特征重要性研究不足的问题。首先,为了充分挖掘温度数据中的有效信息,利用电压、电流和温度数据间接计算提取电池的容量、能量和温度信号能量曲线,选取前100个周期的曲线数据构建对应的二维特征。其次,针对卷积神经网络无法对所提取特征图进行筛选的问题,提出了一种基于卷积神经网络和卷积块注意力机制的特征提取架构,利用注意力机制识别各特征图的重要程度,进而实现从特征到早期寿命的映射。在MIT锂离子电池退化数据集上展开实验,对所提出的特征和方法进行效果验证。研究结果表明,相较于基础的卷积神经网络,所提出的混合模型取得了更优的预测效果,平均均方根误差为97.43。此外,对比一系列不同特征作为输入的实验可以发现所提出的温度信号能量特征性能较好,同时多特征融合技术能够实现更优的预测性能。最后,在更少周期数据应用的场景下,模型至少需要70个周期的数据才能保持较好的预测性能和较高的稳定性。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于电热耦合模型的宽温域锂离子电池SOC/SOP联合估计
    刘莹, 孙丙香, 赵鑫泽, 张珺玮
    2024 (9):  3030-3041.  doi: 10.19799/j.cnki.2095-4239.2024.0659
    摘要 ( 123 )   HTML ( 13 )   PDF(5530KB) ( 36 )  

    准确的状态估计对于锂离子电池安全可靠运行具有重要意义,但由于非线性强,多参数耦合,实现宽温域多参数联合在线估计难度较大。考虑到温度影响,建立电热耦合模型,采用扩展卡尔曼滤波算法(EKF)在线辨识电池参数,通过电压及温度仿真验证了模型的准确性;然后针对无迹卡尔曼滤波算法(UKF)历史数据利用率低的问题,引入多新息理论(MI)改进UKF,改进后的算法在非电压平台区荷电状态(SOC)估计均方根误差不超过1.2%,相较于改进前误差降低了30%以上,并结合安时积分法设计切换算法,解决了MIUKF算法在磷酸铁锂电池电压平台区无法通过电压反馈修正SOC估计误差的问题,实现了宽温域复杂工况下全区间SOC的准确估计,在不同SOC初始值条件下验证了结合算法的准确性,均方根误差不超过3%,为峰值功率(SOP)估计提供了可靠的SOC值;最后将温度约束引入到SOP估计中,提出多约束条件下的SOP估计方法,结果表明在高温条件下,温度起到关键限制作用,可以防止电池温升过大,减少安全隐患。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于RUN-GRU-attention模型的实车动力电池健康状态估计方法
    刘定宏, 董文楷, 李召阳, 张红烛, 齐昕
    2024 (9):  3042-3058.  doi: 10.19799/j.cnki.2095-4239.2024.0576
    摘要 ( 60 )   HTML ( 8 )   PDF(8391KB) ( 22 )  

    实车动力电池的健康状态(state of health,SOH)评估存在数据质量差、工况不统一、数据利用率低等问题,本文面向阶梯倍率充电工况构建多源特征提取及SOH估计模型。首先,通过数据清洗、切割、填充,获取独立的充电片段;其次,基于不同电流阶段计算容量,实现原始数据利用率达96.9%,并与单独限定SOC范围计算容量的方法相比,误差降低48.1%以上;然后,从当前工况、历史累积两个维度提取多个健康因子,对于当前工况特征值,通过灰色关联度及干扰性随机森林重要度分析双重筛选。对于历史累积特征值,利用Spearson相关性分析和核主成分分析方法(kernel principal component analysis,KPCA)降低信息冗余;最后,对门控循环单元网络模型(gated recurrent unit,GRU)引入注意力机制和龙格库塔优化算法(Runge Kutta optimizer,RUN),建立RUN-GRU-attention模型,基于实车运行数据集与现有5种模型进行对比,实验结果表明,无论是包含单阶段还是多阶段电流的测试样本,优化模型的估计精度更佳,误差不高于0.0086,并且随着充电循环次数增加表现出良好的误差收敛性,可有效预测SOH波动趋势。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于多时间尺度建模自动特征提取和通道注意力机制的锂离子电池健康状态估计
    柯学, 洪华伟, 郑鹏, 李智诚, 范培潇, 杨军, 郭宇铮, 蒯春光
    2024 (9):  3059-3071.  doi: 10.19799/j.cnki.2095-4239.2024.0627
    摘要 ( 69 )   HTML ( 11 )   PDF(4103KB) ( 28 )  

    准确估计锂离子电池(lithium-ion battery,LIB)的健康状态(state of health,SOH)对于确保储能电站的安全稳定运行至关重要。然而,现有的数据驱动方法通常依赖手工特征提取,并且特征的时间尺度比较单一,很难进行高效且精确的电池健康状态评估。为了解决这些问题,提出了一种基于多时间尺度建模自动特征提取和通道注意力机制的健康状态估计模型。该模型首先将充电过程信息输入多个并行的膨胀卷积模块(dilation convolution module,DCM),从不同时间尺度进行自动特征提取,获得丰富且全面的特征表示。随后,不同尺度的特征通过融合后结合门控循环单元(gated recurrent unit,GRU)提取时间序列的长期依赖关系。模型进一步融入通道注意力机制(efficient channel attention,ECA),对历史信息进行相关性动态权重分配,关注显著特征。最后,在两个公开数据集上验证了本方法的优越性,并与其他常用深度学习模型进行了比较。结果表明,本模型具有较高的SOH估计精度和良好的迁移性,两个数据集上的均方根误差分别仅为0.0110和0.0095,在跨数据集的迁移实验中均方误差仅为0.0092。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于等效电路模型融合电化学原理的锂离子电池荷电状态估计
    李清波, 张懋慧, 罗英, 吕桃林, 解晶莹
    2024 (9):  3072-3083.  doi: 10.19799/j.cnki.2095-4239.2024.0594
    摘要 ( 82 )   HTML ( 21 )   PDF(4217KB) ( 33 )  

    准确高效地评估锂离子电池荷电状态(SOC)是确保电动汽车和储能设备性能和安全的关键。等效电路模型被认为是描述锂离子电池内部复杂反应过程的一种有效方法。针对基于等效电路模型的SOC估计准确性与复杂性难以权衡的问题,本研究采用一阶RC模型作为基础,为了提高整个SOC区间的模型性能表现,通过电化学原理对模型进行优化,通过在一阶RC模型的OCV模块上添加反映电池内部固相扩散过程的改进误差项,在保证较低的计算复杂性的前提下,减小了等效电路模型与更准确的机理模型之间存在的误差。然后基于倍率测试以及脉冲测试数据对电池进行参数辨识,以粒子群算法为基础通过参数解耦的方式降低了参数辨识的复杂度、提升了辨识准确度;同时基于小倍率测试的开路电压(OCV)数据采用多项式方法进行OCV-SOC曲线拟合。随后基于模型参数辨识结果开展SOC估计研究,针对常规卡尔曼滤波准确度不足的问题,在无迹卡尔曼滤波基础上结合加权滑动窗口的思想以提升SOC估计的精确性和鲁棒性,并基于UDDS和DST动态工况测试数据进行算法验证,最终估计效果相对于传统方法呈现出优异的精度与鲁棒性,并且可以在初始SOC有较大偏差时快速收敛至准确值。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    贫数据条件下锂离子电池容量退化轨迹预测方法
    管鸿盛, 钱诚, 孙博, 任羿
    2024 (9):  3084-3093.  doi: 10.19799/j.cnki.2095-4239.2024.0643
    摘要 ( 51 )   HTML ( 14 )   PDF(6391KB) ( 28 )  

    在锂离子电池使用过程中,因实际运行条件的限制,通常难以获取大量完整标记的电池数据,对实现电池容量退化轨迹的准确预测构成了显著挑战。为此,本文提出了一种融合容量退化曲线增广和常用神经网络算法的锂离子电池容量退化轨迹预测方法。首先,基于少量完整标记的电池容量退化数据,采用多项式函数和蒙特卡洛方法得到虚拟容量退化曲线,并通过KL散度和欧氏距离进行筛选。之后,构建多层感知机(multi-layer perceptron, MLP)、卷积神经网络(convolutional neural network, CNN)、门控循环单元网络(gated recurrent unit, GRU)和长短期记忆网络(long short-term memory, LSTM)等四类常用神经网络模型,用以映射虚拟容量退化曲线数据至电池实际容量。最后,以虚拟容量退化曲线数据为输入,实际容量为输出,利用少量完整标记电池的数据对模型进行预训练,并利用待预测电池的早期退化数据进行微调,从而实现容量退化轨迹预测。通过77只具有不同放电方案的电池的数据对所提方法进行验证。结果表明,在仅有3只完整标记电池的容量退化数据条件下,所提方法的预测性能不受神经网络类型的影响,四类神经网络均准确预测了其余电池的容量退化轨迹,MAPE和RMSE的均值分别控制在2.3%和31 mAh以下。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于条件神经网络的质子交换膜燃料电池的老化性能预测
    李从心, 岳美玲, 李昕彤, 熊庆辉, 刘孝艳
    2024 (9):  3094-3102.  doi: 10.19799/j.cnki.2095-4239.2024.0287
    摘要 ( 45 )   HTML ( 6 )   PDF(1997KB) ( 17 )  

    在积极推进“双碳”目标的背景下,氢能的发展迎来了前所未有的机遇。作为绿色交通变革的重要一环,燃料电池汽车在减碳和实现碳中和方面发挥着关键作用,同时也成为新能源汽车研究的焦点。提高燃料电池汽车的智能化程度,通过机器学习算法不断优化性能,已成为解决燃料电池汽车问题的重要途径。质子交换膜燃料电池作为燃料电池的核心技术之一,其耐用性问题依然是制约其商业化和市场普及的主要障碍。鉴于燃料电池的非线性和动态特性,以及运行条件的不断变化,准确预测其老化性能极具挑战。本工作提出一种基于条件卷积神经网络的新型燃料电池老化性能预测模型。该模型结合线性趋势和非线性动态特征预测,通过递归方法迭代预测燃料电池的老化性能。实验结果验证了本模型在长期性能预测上的高准确性,对于增强燃料电池系统的可靠性和效率具有重要的实际意义。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于数据驱动的锂离子电池快速寿命预测
    田成文, 孙丙香, 赵鑫泽, 付智城, 马仕昌, 赵博, 张旭博
    2024 (9):  3103-3111.  doi: 10.19799/j.cnki.2095-4239.2024.0662
    摘要 ( 127 )   HTML ( 19 )   PDF(2710KB) ( 51 )  

    预测锂离子电池剩余使用寿命(remaining useful life,RUL)对于确保电池的安全和可靠使用至关重要。首先,针对电池容量序列因容量回升及外界干扰呈非线性变化、目标电池退化数据稀少,全生命周期数据难以获取的问题,本文结合变分模态分解(variational mode decomposition,VMD)和排列熵(permutation entropy,PE)的优势,对已有的其他类似衰退模式电池数据进行去噪重构,作为模型训练数据。其次,本文采用滚动预测策略,用滚动滑窗的方式对训练数据进行划分和拼接。然后,训练擅长捕捉全局依赖关系的Transformer网络。最后,预测过程当中输入目标电池部分数据,进行滚动迭代预测。本文先在马里兰大学先进生命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)提供的电池数据集上,采用留一评估,依次对其本身电池数据进行实验验证,实验证明本文预测方法的各项性能指标良好,4块电池RUL的平均相对误差为2.21%,具有较高的准确性。再基于美国航空航天局(National Aeronautics and Space Administration,NASA)的B0005电池进行模型泛化验证,B0005电池得到的RUL相对误差为2.34%,进一步验证了本文方法的有效性。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    能源电池单体层级数字孪生技术
    樊金保, 李娜, 吴宜琨, 贺春旺, 杨乐, 宋维力, 陈浩森
    2024 (9):  3112-3133.  doi: 10.19799/j.cnki.2095-4239.2024.0596
    摘要 ( 87 )   HTML ( 12 )   PDF(20717KB) ( 36 )  

    具有高能量密度的能源电池作为实现国家碳达峰和碳中和目标的重要途径备受关注,然而,现有技术已不能满足其高效安全稳定运行的迫切需求。数字孪生技术具有实时感知、高效模拟、准确预测和快速优化复杂系统的特性,有望成为解决上述挑战的有效手段。本文分析了能源电池单体层级数字孪生技术的构成要素,阐述了植入传感技术、高效保真的物理模型和机器学习算法三种关键技术在电池数字孪生中的作用,介绍了植入传感技术在电池温度、应变、气压和气体传感方面的现状,综述了描述电池不同物理场行为的耦合模型的相关研究,探讨了机器学习算法在电池数字孪生中的应用以及基于物理的机器学习算法的最新进展,最后总结了电池数字孪生技术面临的主要挑战和发展趋势,并提出了在未来研究中克服这些挑战的建议。本研究工作可为电池数字孪生技术提供更深刻的见解,并有助于其在学术研究和工业应用领域中的进一步推广与应用。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于机器学习方法的锂电池剩余寿命预测研究进展
    朱振威, 苗嘉伟, 祝夏雨, 王晓旭, 邱景义, 张浩
    2024 (9):  3134-3149.  doi: 10.19799/j.cnki.2095-4239.2024.0713
    摘要 ( 119 )   HTML ( 19 )   PDF(3288KB) ( 61 )  

    随着技术的不断进步和成本的逐步降低,锂电池在电动汽车、储能系统、便携式电子设备等多个领域实现了广泛应用,有效促进了清洁能源的普及和能源结构的优化。掌握锂电池衰变和剩余使用寿命(RUL)对于确保设备稳定运行、提高能源利用效率以及保障用户安全至关重要。通过优化电池设计和使用策略,可以延长锂电池的使用寿命,降低更换成本,进一步推动锂电池的规模化应用。锂电池的性能衰变是一个涉及多尺度化学、电化学反应的复杂过程,涉及其内部从材料、界面到多孔电极、器件等诸多因素影响。各种机器学习(ML)的方法正是建模处理复杂数据、寻找规律、反馈应用的重要手段。本文针对锂电池RUL建模研究的科学问题,综述了ML算法在预测电池RUL领域的最新进展,重点介绍数据驱动的电池管理、预测建模以及利用ML方法来提高电池性能和寿命方面的突破。最后,对当前领域内面临的关键问题进行了归纳总结,以期提供一个基于ML算法的电池RUL预测技术的全面视角,并展望其未来的发展趋势。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    锂金属负极固态电解质界面膜形成和生长机理的理论研究进展
    周国兵, 许审镇
    2024 (9):  3150-3160.  doi: 10.19799/j.cnki.2095-4239.2024.0586
    摘要 ( 106 )   HTML ( 21 )   PDF(9291KB) ( 63 )  

    锂金属负极因其极高的理论比容量在锂离子电池领域引起了极大的关注,但其高反应活性会引发电解液组分发生一系列复杂的降解反应,并在电极表面生成固态电解质界面膜(SEI)。SEI钝化层一方面能抑制电解液持续损耗,另一方面也会显著影响电池的循环性能。因此,从原子/分子层面阐明SEI形成和生长机理成为了近些年的研究重点和热点。本文综述了不同理论模拟方法在SEI结构、组分和生长过程的最新研究进展,介绍了经典分子动力学、反应力场分子动力学、第一性原理分子动力学、机器学习力场分子动力学以及动力学蒙特卡罗等模拟方法在SEI研究中的成功案例。讨论了现有理论计算方法在模拟SEI形成和生长机理方面的局限性,提出可结合机器学习和动力学蒙特卡罗方法来实现长时域SEI形成和生长过程模拟的技术方案展望。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    人工智能与储能技术融合的前沿发展
    黄家辉, 邝祝芳
    2024 (9):  3161-3181.  doi: 10.19799/j.cnki.2095-4239.2024.0575
    摘要 ( 267 )   HTML ( 27 )   PDF(1552KB) ( 50 )  

    随着大规模储能系统和电气设备的不断适应,电池和超级电容器(supercapacitors)的储能能力面临着越来越多的需求和挑战。其中漫长的研发周期及低效率的材料筛选是储能材料(energy storage materials,ESM)开发的两大难题,将人工智能(artificial Intelligence,AI)应用于ESM的研发是解决该问题的新方案。而机器学习(machine Learning,ML)作为AI的子领域,已被证明是从数据中获得见解的强大工具,ML可以挖掘大数据背后有价值的信息和隐含的关联,有助于揭示ESM的关键结构或性质与性能关系,大大加快了ESM的研发和筛选,同时AI为储能系统的设计和运行提供了先进的预测工具。因此,未来AI与储能技术的融合研究将是值得关注的新兴领域。本文首先阐述了AI的关键技术框架,包括监督学习、无监督学习以及可解释的人工智能(XAI)。然后从ESM设计、识别筛选和性能预测三个方向出发,分别总结了AI在这些储能领域的最新研究进展,包括机器学习在储能材料研究中常用的数据库列表,并分析了这一融合技术对智能电网优化、可再生能源集成与管理的贡献。最后,本文展望了AI与储能技术的融合面临的机遇挑战,以及未来需要重点关注的研究方向。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    AI for Science时代下的电池平台化智能研发
    谢莹莹, 邓斌, 张与之, 王晓旭, 张林峰
    2024 (9):  3182-3197.  doi: 10.19799/j.cnki.2095-4239.2024.0698
    摘要 ( 117 )   HTML ( 21 )   PDF(9919KB) ( 61 )  

    在AI for Science时代,电池设计自动化智能研发(battery design automation,BDA)平台通过整合先进的人工智能技术,为电池研发领域带来了革命性进展。BDA平台覆盖了文献调研、实验设计、合成制备、表征测试和分析优化这五个电池研发的关键环节,利用机器学习、多尺度建模、预训练模型等先进算法,结合软件工程开发用户交互友好的工具,加速从理论设计到实验验证的整个电池研发周期。通过自动化的实验设计、合成制备、表征测试和性能优化,BDA平台不仅提升了研发效率,还提高了电池设计的精确度和可靠性,推动了电池技术向更高能量密度、更长循环寿命和更低成本的方向发展。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    电池大数据智能分析平台的研发与应用
    焦君宇, 张全權, 陈宁波, 王冀钰, 芦秋迪, 丁浩浩, 彭鹏, 宋孝河, 张帆, 郑家新
    2024 (9):  3198-3213.  doi: 10.19799/j.cnki.2095-4239.2024.0635
    摘要 ( 153 )   HTML ( 22 )   PDF(7660KB) ( 69 )  

    随着电动汽车和储能需求的持续增加,高性能电池的产量迅速上升,人们对电池先进制造的要求也越来越高。智能制造在电池行业中扮演着至关重要的角色,通过集成自动化技术、信息技术、计算仿真和人工智能,智能制造可以极大地提高生产效率和灵活性,减少人为错误,挖掘材料的内部机理,提高产品性能。基于人工智能的电池大数据分析技术是智能制造的重要一环,旨在通过高级数据分析技术,辅助研发人员开展各种电池的性能评估、预测与优化。为此,我们基于机器学习技术开发出一系列高效算法,实现电池大数据分析中的特征分析、电池一致性分析、电池健康状态估计以及电池剩余寿命预测等电池中常见的分析任务。此外,我们还提供了一个标准化的分析框架来全面分析电池数据、预测电池的性能,帮助研发人员直观理解复杂的数据集,并揭示数据中的模式和关系。 同时,我们还将这些算法集成到电池大数据分析平台——智芯工坊中,以解决现有的电池大数据分析平台数据集成度低、分析工具单一和可扩展性不足等问题。这些智能算法的普及与应用有助于人们实现电池的高效分析与智能管理,进而推动电池行业的数智化发展。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    基于大语言模型RAG架构的电池加速研究:现状与展望
    钟逸, 冷彦, 陈思慧, 李培义, 邹智, 刘洋, 万佳雨
    2024 (9):  3214-3225.  doi: 10.19799/j.cnki.2095-4239.2024.0604
    摘要 ( 125 )   HTML ( 9 )   PDF(6126KB) ( 59 )  

    随着近年电池领域研究投入的激增,研究人员面临着前所未有的信息过载和知识盲区的挑战。针对这一问题,本文探讨了大语言模型(large language model,LLM)的检索增强生成(retrieval augmented generation,RAG)架构在电池领域的应用潜力,在此基础上对近期的研究文献进行综述,并提出展望。本文介绍了大语言模型RAG架构的工作原理,强调了该架构在垂直领域的可靠性,并基于此综述探讨了该架构在电池材料设计、电池单元设计和制造、电动交通与电网的电池管理系统三个领域的潜在应用。在电池材料设计部分,本文着重分析了大语言模型RAG架构的无幻觉生成能力在数据提取、研究方案设计和多模态数据问答中的优势。在电池单元设计和制造部分,本文从科研端指出该架构对电池单元设计方案分析的辅助作用,从制造端指出该架构桥接产业和科研的鸿沟、辅助产业管控的作用。在电动交通和电网的电池管理系统部分,本文指出该架构在跨领域知识联结、辅助系统级运维的作用。最后,本文讨论了多模态RAG技术在电池研究领域的应用潜力及其对电池研究效率的提升,并展望了RAG在电池领域的更多应用前景。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    热点点评
    锂电池百篇论文点评(2024.06.012024.07.31
    张新新, 岑官骏, 乔荣涵, 朱璟, 郝峻丰, 孙蔷馥, 田孟羽, 金周, 詹元杰, 闫勇, 贲留斌, 俞海龙, 刘燕燕, 周洪, 黄学杰
    2024 (9):  3226-3244.  doi: 10.19799/j.cnki.2095-4239.2024.0768
    摘要 ( 116 )   HTML ( 37 )   PDF(1620KB) ( 96 )  

    本文是近两个月锂电池文献的评述,以“lithium”和“batter*”为关键词检索了Web of Science从2024年6月1日至2024年7月31日上线的锂电池研究论文,共6113篇。首选采用BERTopic主题模型对其摘要文本进行分析,构建锂电池论文的研究主题图,再选择其中100篇加以评论。正极材料的研究集中于尖晶石结构LiNi0.5Mn1.5O4材料和富锂材料的掺杂改性、表面包覆、结构设计等。负极材料的研究重点包括硅基负极的结构设计和性能提升、金属锂负极的界面设计。固态电解质的研究主要包括对聚合物固态电解质和卤化物固态电解质的结构设计以及相关性能研究。其他电解液和添加剂的研究则主要包括不同电解质和溶剂对各类电池材料体系适配的研究,以及对新的功能性添加剂的探索。对固态电池,正极材料的体相改性、表面包覆和合成方法、锂金属负极的界面构筑和三维结构设计、多层电解质的使用有多篇文献报道。锂硫电池的研究重点是硫正极的结构设计和电解液的开发。电池技术方面的研究还包括干法电极制备技术、黏结剂和隔膜的研究、集流体的开发和锂氧电池的电解质设计。电极中的锂离子输运和降解机制、电解液中的锂沉积形貌和SEI结构演变、全电池热失控分析,溶剂对CEI组分影响的理论模拟以及降低电池成本和优化制造工艺的论文也有多篇。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    储能材料与器件
    不同负极材料对LiFePO4 高功率储能器件循环性能的影响
    张玉曼, 范羚羚, 杨重阳
    2024 (9):  3245-3253.  doi: 10.19799/j.cnki.2095-4239.2024.0120
    摘要 ( 101 )   HTML ( 23 )   PDF(2339KB) ( 32 )  

    磷酸铁锂(LiFePO4,LFP)以低成本、高安全性、长循环寿命等优点在近些年来备受关注,然而市场上常见的LFP储能器件在0.1~2 C倍率的循环寿命为2000次左右。为了进一步开发高功率、长寿命的LFP储能器件,本文设计了容量为9 Ah的不同负极材料(硬碳/软碳/石墨)软包储能器件。对4 C大倍率循环性能进行探究,发现4000次循环后,硬碳和软碳用作负极的储能器件的容量保持率分别为83.0%、78.9%,优于石墨(51.6%)。通过XRD、EIS、容量增量法和电压微分法等手段进行分析,发现接触内阻和SEI膜内阻增加,以及结构变化造成负极中锂离子的消耗是容量衰减的主要原因。进一步探究石墨用作负极时循环寿命差的原因,发现石墨用作负极时库仑效率较低,工作温度较高,dQ/dV峰值在循环过程中发生更大的位移,峰强的降幅也较大。由于石墨的层间距为0.335 nm,小于软碳(0.360 nm)和硬碳(0.395 nm),在反复脱嵌锂过程中石墨更易发生结构变化,造成体积膨胀,因此循环后接触电阻和SEI膜电阻增长幅度较高,锂离子扩散动力学也更差。与石墨相比,硬碳和软碳用作大倍率LFP储能器件的负极活性物质时具有更长的循环寿命。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    储能系统与工程
    基于COA-LSTMVMD的锂离子电池剩余寿命预测
    孙中麟, 李嘉波, 田迪, 王志璇, 邢晓静
    2024 (9):  3254-3265.  doi: 10.19799/j.cnki.2095-4239.2024.0157
    摘要 ( 120 )   HTML ( 8 )   PDF(4171KB) ( 25 )  

    电动汽车中的动力电池在其使用期间寿命的退化是不可避免的,因此研究电动汽车锂电池的使用寿命与利用效率具有重要意义。锂离子电池的剩余使用寿命(remaining useful life, RUL)是表征电池性能的一个重要指标。本文提出了基于郊狼算法优化长短期记忆网络(long short-term memory, LSTM)的动力电池RUL预测模型。首先,对锂离子电池的容量衰减特性进行分析,基于动力电池充放电曲线,提取等恒流充放电间隔、等压升时间间隔作为间接健康因子并通过Pearson法对其进行相关性分析。本文提出变分模态分解(variational mode decomposition, VMD)对健康因子进行分解,得到模态分量。采用LSTM作为动力电池模型来预测RUL,针对LSTM模型参数不精确会影响RUL的预测精度,提出郊狼优化算法(Coyote optimization algorithm, COA)对LSTM模型参数进行优化,以提升模型的预测能力。最后,基于NASA研究中心的公开数据集,将所提方法与LSTM、VMD-LSTM,高斯过程回归(Gaussian process regression, GPR),BP神经网络模型(backpropagation neural network)进行对比,对COA-LSTM模型的准确性进行验证。实验结果表明,RUL预测误差在2.1%以内,所提方法能够精确预测RUL。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    斜坡式重力储能系统机械与电气联合仿真的多软件协同建模方法
    刘大猛, 牟雪鹏, 石博豪, 陈巨龙, 王斌, 罗晨, 钟承君, 陈思哲
    2024 (9):  3266-3276.  doi: 10.19799/j.cnki.2095-4239.2024.0243
    摘要 ( 90 )   HTML ( 4 )   PDF(5139KB) ( 20 )  

    重力储能具有安全性高、成本低、寿命长、存储能量无衰减、建设周期短及环境友好等优势。其中,斜坡式重力储能可以利用山体自然落差降低建设成本,并减少占用平地资源,是长时大容量储能领域的重要前瞻性技术之一。然而,斜坡式重力储能系统具有机械与电气动态高度耦合的特点,现有仿真模型难以完整描述其动态特性。针对该问题,本工作提出了一种斜坡式重力储能系统机械与电气联合仿真的多软件协同建模方法。首先,采用三维机械设计软件Solidworks建立包括斜坡、轨道、载重小车和质量块的机械系统框架模型;然后,将Solidworks中建立的模型导入多体动力学仿真软件Adams,并建立载重小车与链传动机构的联系,获得机械系统完整模型;最后,将Adams中的机械模型导入Simulink,并建立与电气模型的联系,从而获得机电联合仿真模型。将所提出的多软件协同仿真模型与Simulink独立仿真模型,在电网正常和异常工况下分别进行仿真对比,结果表明多软件协同仿真模型能够更加全面地描述斜坡式重力储能系统的动态特性。因此,多软件协同仿真模型能够更好地支撑对斜坡式重力储能的功率特性分析、安全性评估和机械参数优化设计等工作。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    储能锂离子电池模组暂态过电压防护设计与电路研发
    沈思远, 刘亚坤, 罗栋煌, 李雨珺, 郝伟
    2024 (9):  3277-3286.  doi: 10.19799/j.cnki.2095-4239.2024.0225
    摘要 ( 84 )   HTML ( 8 )   PDF(6761KB) ( 16 )  

    电力系统中各类暂态过电压引起的高幅值电压波动会影响电化学储能电站在电网中的安全稳定运行,已有电化学储能火灾事故调查报告指出了目前针对储能锂离子电池模组暂态过电压防护能力不足的问题。本工作通过分析浪涌过电压防护器件的性能,提出针对储能锂离子电池模组的暂态过电压防护电路设计,并开展器件选型、配合设计和试验测试,研发出一种具备多级降压-级联稳压自开断功能的电池模组过电压防护电路。结果表明,针对12 V锂离子电池模组,共模和差模输入下峰值为500 V/1 kV/2 kV/4 kV、波形为1.2/50 μs的冲击过电压下,所设计防护电路通过逐级限制电压和能量泄放,将输入电池模组的电压幅值抑制在15.2~26.4 V。稳态直流超限电压测试表明,当电压低于26.5 V时,实现模组电压稳压至12 V;超过26.5 V时切出功能动作隔离锂离子电池模组,研究有助于实现锂离子电池模组的暂态过电压抑制和稳态直流超限电压开断及稳压功能。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    天然气余压发电透平发电机组控制特性研究
    蒋鑫, 朱万炫, 李和平, 张雪辉, 许剑, 韩汶昕, 徐江荣
    2024 (9):  3287-3298.  doi: 10.19799/j.cnki.2095-4239.2024.0226
    摘要 ( 92 )   HTML ( 5 )   PDF(4436KB) ( 12 )  

    本文研究了透平发电机组的物理模型,重点详细介绍了透平膨胀机调速系统、同步发电机、励磁系统的工作原理。并据此利用MATLAB/Simulink建立起透平发电机组数学模型,主要包括透平膨胀机及其调速系统、同步发电机及励磁系统、电力负载模型等。然后根据建立的仿真模型对透平发电机组运行工况进行了常规PID仿真研究,在此基础上,对系统的控制方法进行优化,采用模糊PID控制进行了空载启动和投切负载的仿真研究,根据仿真结果对比了常规PID和模糊PID的控制性能,仿真结果显示模糊PID控制器比常规PID控制器的启动时间更短、超调量更小,使得发电机组的响应过程更加快速、稳定。

    数据和表 | 参考文献 | 相关文章 | 计量指标
    储能测试与评价
    锂离子电池分数阶可变阻容建模与荷电状态估计
    吴胜利, 郭琪, 邢文婷
    2024 (9):  3299-3306.  doi: 10.19799/j.cnki.2095-4239.2024.0174
    摘要 ( 38 )   HTML ( 10 )   PDF(3305KB) ( 31 )  

    锂离子电池荷电状态(SOC)的估计对于保障新能源电动汽车稳定、安全地运行至关重要,而高精度的电池模型是SOC估计的基础,但常用的锂离子电池阻容(RC)模型中,存在高阶模型结构复杂、低阶模型近似程度低,以及电池状态突变导致SOC难以精确估计的问题。本文提出一种基于分数微积分理论的锂离子电池分数阶可变阻容(FVOM)模型,通过利用赤池信息量(AIC)准则识别不同SOC时分数阶阻容模型的最优阶数,构建适应不同SOC时的时变阻容电池模型;同时引入衰减因子构建强跟踪分数阶扩展卡尔曼滤波(STF-FEKF)算法,实现电池荷电状态估计,克服历史数据对当前估计值的影响。基于城市道路循环工况(UDDS)等三种不同工况对分数阶扩展卡尔曼滤波(FEKF)算法进行验证。结果表明,在脉冲放电工况下,模型的平均绝对误差(AAE)由0.0197 V降为0.0160 V,其电压误差均小于50 mV,预测精度相对提高了18.8%;同时,改进后的方法使AAE和均方根误差(RMSE)均有所减小,不仅验证了所提方法的有效性,也为提高锂离子电池SOC状态估计精度和计算效率提供了新的思路。

    数据和表 | 参考文献 | 相关文章 | 计量指标