储能科学与技术, 2023, 12(5): 1675-1685 doi: 10.19799/j.cnki.2095-4239.2023.0036

储能系统与工程

退役动力电池回收及其在储能系统中梯次利用关键技术

于会群,1,2, 胡哲豪,1, 彭道刚1,2, 孙浩益1

1.上海电力大学自动化工程学院，上海 200090

2.上海发电过程智能管控工程技术研究中心，上海 200090

Key technologies for retired power battery recovery and its cascade utilization in energy storage systems

YU Huiqun,1,2, HU Zhehao,1, PENG Daogang1,2, SUN Haoyi1

1.College of Automation Engineering, Shanghai University of Electric Power, Shanghai 200090, China

2.Shanghai Engineering Research Center of Intelligent Management and Control for Power Generation Process, Shanghai 200090, China

通讯作者: 胡哲豪，硕士研究生，研究方向为储能技术，E-mail：huzhehao4@126.com。

收稿日期: 2023-01-30   修回日期: 2023-02-19  

基金资助: 上海市“科技创新行动计划”地方院校建设项目.  20020500500

Received: 2023-01-30   Revised: 2023-02-19  

作者简介 About authors

于会群（1978—），女，博士，副教授，研究方向为智能发电技术、储能技术与应用，E-mail：yuhuiqun@shiep.edu.cn； E-mail：yuhuiqun@shiep.edu.cn。

摘要

新能源汽车产业迅速发展，动力电池将在更迭换代中迎来退役潮，梯次利用技术能够在最大化利用动力电池全寿命周期的同时缓解回收压力及环境污染问题。为进一步完善梯次利用绿色可持续发展体系，本文研究了当前梯次利用相关政策、标准及应用场景，并从电池回收与储能系统梯次利用两方面，分别对电池回收模式、老化原理、检测、筛选、状态估计、容量配置、控制策略等技术研究展开讨论。最后结合国内形势，探讨了退役动力电池梯次利用所面临的问题与挑战，并针对关键技术的突破与产业体系的形成提出建设性意见，以期为梯次利用产业布局提供助力。

关键词： 退役动力电池 ; 电池回收 ; 梯次利用 ; 储能

Abstract

The proposal of carbon peaking and carbon neutrality goals has accelerated China's low-carbon energy transformation, leading to the rigorous promotion of the new energy vehicle industry. The power battery, as the core component of these vehicles, is about to face a massive retirement wave in the replacement process. However, the cascade utilization of power batteries could alleviate recycling pressure and environmental pollution while maximizing the full life cycle of the battery, which is crucial for low-carbon emissions, energy savings, and environmental protection. To further improve the green and sustainable development system of cascade utilization, this paper analyzes the current policies, standards, and application scenarios of echelon utilization. The study discusses the battery recycling mode, aging principle, detection, screening, capacity configuration, control principle, battery management system, and other technologies from the aspects of battery recycling and cascade utilization of the energy storage system. Ultimately, the paper presents the problems and challenges faced by the cascade utilization of decommissioned power batteries, and constructive suggestions are made for the breakthrough of industrial technology and the formation of an industrial system. This research could help the industrial layout of cascade utilization.

Keywords： retired power battery ; battery recycling ; cascade utilization ; energy storage

PDF (1410KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

于会群, 胡哲豪, 彭道刚, 孙浩益. 退役动力电池回收及其在储能系统中梯次利用关键技术[J]. 储能科学与技术, 2023, 12(5): 1675-1685

YU Huiqun. Key technologies for retired power battery recovery and its cascade utilization in energy storage systems[J]. Energy Storage Science and Technology, 2023, 12(5): 1675-1685

基于能源紧缺及清洁环保的压力，新能源汽车在世界范围内得到了极速发展。近年来随着我国“碳中和、碳达峰”战略的实施及相关政策的推出，国内新能源汽车产销更是发生了爆发式增长。据中国汽车工业协会相关数据指出，我国新能源汽车销量于2022年12月达到81.4万辆(图1)，其中纯电动汽车达到62.4万辆，插电式混合动力汽车销量达到18.9万辆，与2021年相比增长0.5倍和1.3倍。2022年全年新能源汽车销量总计达到688.7万辆，同比增长0.9倍。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   新能源汽车销量统计

Fig. 1   New energy vehicle sales statistics


新能源汽车的产销日益增长，使得动力电池的需求量也随之增大。在汽车使用3～5年后，动力电池通常会因为容量和功率下降不能满足驾驶要求而退役[1]，以5年寿命推算，预计到2030年，我国退役电池总量可达237万吨，回收市场有望超过千亿元[2]。动力电池的第一场退役高峰即将来临，如果对退役电池直接处理而不进行金属回收，会造成土壤重金属污染，大量电池回收将带来极大的环境压力。由于退役动力电池尚保有80%左右的容量余量，在其他应用场景仍有利用空间，其所带来的剩余经济价值催生了梯次利用技术的发展，即在对退役电池进行相关检测后应用于诸如电网储能、家用能源等低倍率应用场景，对梯次利用技术的研究可以有效缓解回收所带来的环境压力，延长了动力电池的利用寿命，且有着可观的经济效益及社会效益。

随着电动汽车退役电池数量的持续增长，如何解决梯次利用相关技术难题，并建立一套标准的退役动力电池回收利用体系，形成有序的商业市场将是未来发展的关键。因此，本文对退役动力电池的形势政策、产业标准及应用场景进行了调研，并将梯次利用涉及技术分为回收技术与利用技术分别进行综述，最后针对关键技术与产业体系提出己见，以期探索退役动力电池未来的发展方向。

1 退役动力电池梯次利用现状

1.1　产业标准与形势政策

在新能源汽车刚进入国内市场之时，为了应对动力电池的退役热潮，梯次利用的概念就已经被提出，随之国家相关部门接连出台了多项政策，对企业的责任延伸、电池的生产交易、使用管理、拆解回收及质量安全保障等环节进行了规范，相关企业也随之跟进，开始了电池回收利用技术的研发。

此前动力电池梯次利用沿用动力电池领域通用标准[3]，如GB/T 33598—2017《车用动力电池回收利用拆解规范》[4]、GB/T 34015—2017《车用动力电池回收利用 余能检测》[5]等。但动力电池生产厂商、历史运行数据不尽相同，导致其退役后的状态存在较大差异，缺乏一致性，因此部分动力电池的标准有一定的局限性，无法清晰地规范梯次利用各环节的经济性、统一性、安全性。2021年，工信部等五部门联合印发《新能源汽车动力蓄电池梯次利用管理办法》[6]，作为梯次利用的第一件专项文件，在以往措施基础之上作出建设，鼓励企业合作，加强行业管理，同时印发国家标准《车用动力电池回收利用 梯次利用》[7]，明确了梯次利用产品及回收利用各环节的规范，涉及相关标准见表1。

表1   梯次利用相关标准

Table 1  Standards related to cascade utilization

标准号标准名称标准涉及内容
GB/T 33598—2017《车用动力电池回收利用拆解规范》拆解工作的术语和定义、总体要求、作业程序、暂存和管理要求
GB/T 34014—2017《汽车动力蓄电池编码规则》[11]电池编码对象、代码结构组成及表示方法、数据载体
GB/T 34015—2017《车用动力电池回收利用 余能检测》余能检测的术语和定义、符号、检测要求、流程及方法
GB/T 38698.1—2020

《车用动力电池回收利用管理规范

第1部分：包装运输》[12]

回收利用包装运输的术语和定义、分类、包装、运输、标志及一般要求
GB/T 34015.2—2020

《车用动力电池回收利用梯次利用

第2部分：拆卸要求》[13]

电池拆卸的术语和定义、总体要求、作业要求、暂存和管理要求
GB/T 34015.3—2021

《车用动力电池回收利用梯次利用

第3部分：梯次利用要求》[14]

梯次利用的总体要求、外观及性能要求、梯次利用产品一般要求
GB/T 34015.4—2021

《车用动力电池回收利用梯次利用

第4部分：梯次利用产品标识》[15]

梯次利用产品标识的构成、标志要求、标示位置、方式及要求

新窗口打开| 下载CSV


考虑到当前回收成本较高、企业经济性较差的问题，财政部、税务总局于2021年12月印发政策，提及从2022年3月起，动力电池回收、电池拆解企业增值税退税比例从30%增加至50%[8]，为梯次利用相关产业的可持续发展提供助力；2022年2月，工信部等八部门印发《关于加快推动工业资源综合利用的实施方案》[9]，其中提及推进京津冀、长三角等重点地区的梯次利用示范工程，培育骨干企业，加大研发力度；2023年1月《关于推动能源电子产业发展的指导意见》[10]发布，再次提及加强突破梯次利用及再生利用技术。完整的产业链建设既能够降低新能源汽车建造成本，带动汽车产业发展，又能够缓解退役动力电池大量堆积所带来的市场及环境压力，同时一套完整的标准体系确保了各个主体的稳定运作及权益，是推广梯次利用规模化应用的前提，我国梯次利用产业尚在起步阶段，未来仍需更加完善的政策及标准支撑与引导技术的进步，带领梯次利用产业的绿色、可持续发展。

1.2　梯次利用场景

退役动力电池在经检测评估后，根据电池状态的不同可应用于不同场景。理论上高容量的电池可于电池更换和储能应用领域发挥作用，低容量的则可用作备用电池、照明、基站、家庭储能及UPS不间断电源，或是充电桩、低速电动车等低倍率放电应用场景[16]。国内现阶段应用主要集中于储能、基站电源、低速电车等领域，国家电网、中国铁塔公司以及比亚迪、宝马等汽车企业相继积极规划梯次利用示范工程，部分应用案例见表2。

表2   国内部分退役动力电池梯次利用案例

Table 2  Cascade utilization cases of some retired power batteries in China

应用场景实施单位项目内容项目规模

光储充

充电站

长沙矿冶研究院有限责任公司、

长沙市湘行交通新能源有限公司

项目位于长沙市格林香山公交站场内，采用电动公交退役后的磷酸铁锂动力蓄电池模组进行系统集成，站内布有光伏发电、充电桩及储能系统，为长沙公交集团电动公交车提供充电保障含梯次利用储能0.2 MW/1.1 MWh
国网新昌县供电公司项目位于十九峰景区停车场，采用退役电池和“光储充”系统相结合，配备充电站监控系统，为过往车辆和景区电车提供充电含梯次利用储能120 kW/400 kWh

储能电站

(调峰调频)

南方电网综合能源服务公司、

深圳市比克动力电池有限公司

我国首个也是全球最大规模新能源汽车动力电池梯次利用的电网侧储能电站，后续将规划探索采用变电站+储能站+光伏充电站+数据中心的方式建设运营，以此实现能源、数据的融合共享

总规模约130 MW/260 MWh，

其中含梯次利用储能75 MWh

国网江苏省电力有限公司南京供电分公司国内首个成功落地的电池整包梯次利用储能项目。项目主要利用B品电池或电动汽车退役电池，用于工商业园区用电负荷的削峰填谷和提供电力辅助服务含梯次利用储能2.15 MW/7.27 MWh
通信基站杭州余杭区供电公司增加退役动力电池与原有后备电池共同为白马坑通信站出力，为超山风景区5G信号的覆盖提供了稳定保障电池容量共20 kWh
中国铁塔股份有限公司公司于各个省市的数十万基站进行梯次利用电池替换铅酸电池试验，并验证了其安全性和技术经济可行性全国累计容量约3 GWh
环卫电动车

宇通环卫、傲蓝得环保科技、

利威新能源

利用退役电池将旗下使用的环卫三轮洒水车、扫街车等低压电动车，集合锂电池组、BMS、云管理平台等功能，开发出梯次利用产品取代现有铅酸电池产品—

新窗口打开| 下载CSV


2 退役动力电池回收技术

动力电池从新能源汽车上退役后，其性能已经不如新电池，为保证梯次利用的经济性、安全性，在对电池进行梯次利用之前需经过严格的审核环节，本部分将从退役动力电池的回收模式、锂电池老化原理、退役动力电池的检测技术对梯次利用之前的回收技术进行讨论。

2.1　退役动力电池的回收模式

梯次利用电池的经济性决定了其未来规模化发展的可能性，近些年来可梯次利用的电池逐渐增多，但梯次利用企业或回收利用企业在数据统计与相关跟踪上面并没有做到面面俱到[17]，加之市面上退役电池的规格参数与厂商标准参差不齐，导致企业在电池来源及技术研究方面出现困难，难以保障产业经济性发展，而合理的回收模式能够助力企业取得可观的收益，推进企业投身梯次利用行业。

退役电池的回收具有逆向物流的特点[18]，如图2所示。目前根据回收主体的不同，存在三种主流回收模式：生产商回收模式、第三方回收模式以及联盟(合作)回收模式[19]。生产商回收模式指电池或汽车厂商直接对电池进行回收利用，其优势是对产品较为熟悉，回收方便，但回收产品单一，规模较小，经济性较低；第三方回收模式指第三方回收企业对电池进行回收与转售，其优势是专业性较强且规模较大，但回收种类多样化，技术要求较高；联盟回收模式指生产商与第三方企业进行合作，其优势是渠道多、影响力广、规模大，但对双方企业存在一定约束，合作要求高。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   物流流程图

Fig. 2   Flow chart of logistics


因此不同模式各具优劣，在不同场景下适宜的模式不同，文献[20]结合实际汽车企业建立逆向物流网络模型，并验证了其有效性；文献[21]基于成本与碳排放最优进行不同回收模式网络的构建，为我国逆向物流网络应用设计提供一定的参考；文献[22]结合市场要求，在三种模式之上提出动力电池生产商联合的逆向物流网络模式，并用Lingo对混合整数线性模型求解得到最优收益；文献[23]综合分析基于Blockchain的回收效率，验证了区块链技术加持之下，各回收模式的效率更优。

退役电池回收工程庞大，其回收模式需综合考量回收流程、企业与市场的运营及管理、各环节成本及收益等因素，国内较国外起步略晚，对退役电池回收模式的研究较少，相关模型需进一步改进与测试，深入讨论各类因素所带来的影响，为适合国内回收模式的形成提供参考。

2.2　锂电池老化原理

退役动力电池从回收到最后实际应用，对其当前状态进行检测评估必不可少，深入了解动力电池老化原理是各项评估技术发展进步的基础。锂电池是当前市场上使用最广泛的电池之一，电池内部构成如图3所示，在其充放电过程中会发生一些不可逆的化学反应导致电池的老化，老化机理可分为三类：锂离子的损失(loss of lithium inventory，LLI)、活性材料的损失(loss of active material，LAM)以及内阻增加[24]。锂电池的工作原理是基于正极和负极活性材料的插层和脱层[25]，因此锂离子以及活性材料的数量直接影响电池的容量。LAM主要由石墨剥落、金属溶解和颗粒断裂等引起[26]；LLI主要由锂的沉积及固体电解质相界面膜(solid electrolyte interface，SEI)引起，首次充放电时锂离子会跟电解质和有机溶剂发生反应，在电极与电解液的接触面上生成SEI保护电池内部结构稳定[27]，但会不可逆地消耗锂和电解质，导致电池性能衰退。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   锂电池工作原理图

Fig. 3   Working principle of lithium battery


实际电池运行中，环境温度、充放电深度、循环次数等因素会进一步加剧电池的老化反应，文献[28]对不同影响因素下的锂电池进行实验，证明充放电倍率及深度的增大会加快电池的容量衰减，且低温状态下，电池循环性能减弱；文献[29]从不同循环区间宽度对容量老化结果进行对比，分析表明电池使用区间越小，老化速度越慢，同时证明恒压充电会导致电池出现老化加速“拐点”；文献[30]基于SEI的生长、镀锂层等进行实验，验证了SEI生长是电池初期老化过程呈线性的原因，镀锂是老化曲线由线性过渡为非线性的原因。

由此可知，在电池老化的整个过程中，各类电极反应与不可逆的化学反应同时发生，相互耦合，老化过程的研究仍需精进。退役动力电池的性能变化受电动汽车运行状态影响而不同，因此了解电池在退役之前的运行数据对于准确地评估电池的性能状态至关重要，且电池老化存在由线性到非线性状态的过渡，如图4所示，深入了解电池衰退原理与运行之间的关系且有效采集保留运行数据能够准确预测动力电池适合退役或二次退役的节点，促进退役动力电池的梯次利用的有效性及经济性。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   动力电池老化曲线

Fig. 4   Aging curve of power battery


2.3　退役动力电池的检测

退役动力电池的检测是评估退役动力电池再利用价值的重要环节。由于生产厂商不同、型号结构不同以及退役前复杂的工作环境，各电池的状态与性能存在极大的差异，错误的评估及使用会严重影响电池的工作性能，更甚者或引发火灾、爆炸等事故，造成人身损害及经济损失，因此电池在回收后必须进行状态检测，符合规范要求的电池进入后续流程，状态较差的则进行拆解处理。

初步检测可以通过观察退役电池的外观来排除一些存在明显物理性损坏的电池，如零部件缺失、变形、破损、鼓包、漏液等[31]。随后检测电池的内阻、容量、自放电、充放电性能等数据是否达标，剔除内阻高、容量低、自放电率高或是充放电效率低的电池。容量检测方面通常将电池在恒定电流之下进行一次充放电循环，即可得到电池容量，该方法称为恒流充放电检测方法[32]，同时为保证电池一致性，将退役动力电池按容量不同进行划分，如文献[33]提出将退役动力电池按利用模式进行划分，容量处于60%～80%时，满足相关标准，可于电网侧起到削峰填谷的作用；容量处于45%～60%时，容量较低，极化反应加速，可于发电侧用于火电调频；容量处于30%～45%时，容量过低，性能较差，只能用作备用电源储能设施；容量低于30%时，电池已没有再利用效益，应拆解处理。内阻检测方面常采用直流或交流测量法，也可使用如DME-50等内阻测试仪器直接测量[34]。

退役电池的检测涉及众多参数，为了更为细致地评判退役电池健康状态，部分学者提出综合评估方法，文献[35-36]通过对退役动力电池各个老化特征的主要参数之间的关系进行建模分析，提出了一种系统评估电池性能的方法。文献[37]以梯次应用于储能系统为对象，从电池种类、厂家、一致性安全3个方面构建安全评估指标体系，并通过熵权-TOPSIS法及层次分析法对其进行评估及分析。

3 退役动力电池储能系统梯次利用技术

具有精准快速跟踪能力的电化学储能能够辅助传统机组更好地消纳新能源，支撑新能源大规模并网。双碳背景下，风光发电产业迅速发展，储能配比也随之提升，将退役动力电池梯次利用于储能系统能够最大程度发挥其利用价值，既解决了资源浪费、环境污染的问题，也能改善储能产业经济性较差的现状，部分学者也于此方面开展相关研究，并取得了一定的进展。

3.1　状态估计

安全性是退役动力电池规模化应用于储能系统的阻碍之一，与全新的储能电池相比，退役动力电池在经过长期使用后，更易发生容量降低、内阻增加、内部化学结构改变等老化反应，因此除了对电池进行高效利用之外，其性能状态的监管也是不可或缺的一环，状态估计技术的发展不仅是退役电池安全、经济运行的保障，同时也是电池回收时进行检测筛选的判断依据。状态估计包括SOC(荷电状态)以及SOH(健康状态)，常用估计方法可分为实验估计、模型估计及数据驱动。

实验估计为利用特定设备直接对电池状态进行分析，并获得相关老化参数来判断当前状态，更多用于退役动力电池离线诊断，适用于运用前的状态检测或实验研究，同时为模型建立提供理论依据。

模型估计即建立电池等效模型，仿真电池内部性质，模拟充放电行为，分析模型与参数之间的相互关系实现估计。针对退役动力电池复杂的非线性系统，学者提出适用范围广、估计精度高的扩展卡尔曼滤波算法(extended Kalman filter，EKF)，文献[38]建立梯次利用电池全寿命模型，针对初值不明确的问题提出自适应KF算法，实时估算时变噪声，有效降低了SOC估算误差；文献[39]基于表面温度的差分温度伏安曲线建立老化机理模型，利用融合滤波算法提取健康特征，使用改进高斯过程回归算法解算SOH。但上述方法没有考虑不同退役动力电池老化程度存在差异的问题，对此文献[40-41]通过对退役动力电池在不同SOC、SOH、温度下进行电化学阻抗谱(electrochemical impedance spectroscopy， EIS)测试，建立EIS等效模型，实现了SOC、SOH快速、动态估计。

数据驱动为对电池历史运行数据或离线测试数据进行特征提取，得到特征与电池状态之间的映射模型，同时运用机器学习算法进行训练。文献[37]基于所挖掘的梯次利用电池的老化特征，利用皮尔逊相关系数法对老化特征进行约简后作为数据驱动模型输入，建立基于深度神经网络的状态评估模型。数据驱动方法高度依赖数据质量、数量以及共同性，但退役动力电池在二次使用时老化模式与新电池存在明显差异，且目前梯次利用电池溯源管理不完备，数据获取困难，对此文献[42-43]结合数据驱动与经验模型两种方法，通过ICA提取电池特征，用高斯过程回归法建立数据驱动模型进行预测，并利用预测值拟合经验模型对电池SOC、SOH进行估计，实验表明该方法能在减轻监测设备负担的同时保证预测的较高精度。

3.2　筛选与重组

由于众多电池个体间一致性存在较大差异，如单体容量、内阻及SOC不一致等，性能不同的电池进行重组可能出现短板效应，单个电池将影响整组电池的性能，造成资源浪费，为便于后续退役电池进行重组且保证应用效益最大化，需对电池进行筛选，学者们对一致性筛选聚类技术进行了研究，鉴于机器学习能够有效降低参数复杂性，且拥有大规模数据的处理能力，研究热点集中于机器学习[44]，常用的聚类算法有K-MEANS、BIRCH、DBSCAN等，文献[45]提出了一种基于密度的MD-DBSCAN方法综合评价电池不一致性，在不降低利用率的情况下提高了筛选效率；文献[46]考虑到评估参数众多，运用模糊K-MEANS算法对电池进行分组，降低电池间不一致性带来的影响；文献[47]考虑不同需求下的筛选差异，提出基于遗传编码优化的定制化聚类技术，能够针对性地对电池进行定向筛选。

在完成检测与筛选之后，退役动力电池将基本满足梯次利用要求进入重组阶段。退役动力电池存在电池包、电池模组、电池单体三种形式，以单体的形式进行重组能够保持较高的一致性，但由于激光、电磁焊接等刚性工艺会导致电池拆解困难、耗时久、成本高[48]。若以电池包为单元进行利用，操作简单且成本低，但安全隐患高且无法最大化利用电池包内的电池容量。因此模组级是较为理想的重组方式，电池模组容量和电压较低，需要组间进行串并联以满足储能需求，由于退役电池个体参数差异的存在以及连接方式的不同，通常会出现电池系统容量下降的情况，国内对于此方面的研究较少，文献[49]对串联模组与并联模组的拓扑结构进行研究，得到其分别受电池单体内阻及容量影响的结论；文献[50-51]研究发现电池单体位置能够明显影响成组系统容量。但上述文献未对结论进行具体分析，且拓扑结构固定，具有一定的局限性，针对差异化显著的退役动力电池重组的研究仍需精进。

3.3　容量配置

应用场景不同，所需储能容量也不同，因此需要根据实际工程需求对电力系统中的储能配置进行规划设计，在平衡储能系统与用户侧需求的同时保证运行的经济性。与新电池相比，梯次利用储能虽然成本低廉，但其寿命与容量存在不足，合理配置容量规模对项目经济性至关重要。

对于容量优化配置的研究目前主要集中于模型建立以及优化求解算法[52]，对电池及系统建立数学模型及目标函数，并根据动态约束条件解算得出最优配置。容量配置模型综合考虑储能类型(蓄电池、飞轮等)、储能性能(功率型储能、能量型储能)、系统运行方式(并网、孤岛)等因素；目标函数集中于系统可靠性、经济性、安全性；优化求解算法多为启发式算法，如遗传算法、人工神经网络或是改进的混合式算法。文献[53-54]分别建立退役动力电池应用于风储、风光储的联合模型，以成本最优及平抑波动可靠性最高为目标函数得到最优容量配置，并根据实际电场数据验证了配置的可行性，但上述配置模式与传统容量配置类似，通常考虑系统性能与经济性之间的关系，退役动力电池的性能限制及老化情况往往被忽略，基于此文献[55]考虑到梯次利用储能容量变化对系统经济性的影响，计及电池循环寿命，引入萤火虫算法求解得到经济性最优的容量配置；文献[56]根据退役动力电池的衰减特性建立长期规划模型，并引入共享储能的概念，采用多目标鲸鱼算法进行求解，得到了规划期内的容量配置。

3.4　控制策略

梯次利用电池较新电池而言性能与状态皆有所不足，对于控制策略的研究在保障系统性能的同时，通常还需侧重于对电池充放电模式的制定，科学的控制策略使得电池全生命周期高效利用的同时安全运行。

为避免梯次利用电池的过充过放，文献[54]对下垂控制进行改进，基于SOC状态实时对下垂系数进行修正，优化梯次利用电池的功率分配；文献[57]根据电池簇SOC情况，按比例分配各分支电池簇功率，保证其健康状态趋于一致，达到同期退役的目的。为避免调节效果不理想，调节容量不足，不同场景下梯次利用电池如何响应电力系统需求也应有合理的控制策略进行指导，在综合考虑风、光、火、储的技术性、经济性的前提下保证各单位的协调控制是如今面临的主要问题。文献[58]以光储充电站为背景，根据功率与负荷需求将退役电池分级使用，新电池深充深放，旧电池浅充浅放，并考虑SOC估算误差所带来的影响，利用雨流计数法降低了SOC估算精度需求，提升了系统可靠性；文献[59]建立风储控制模型，并根据阈值上下限控制储能切换模式，同时以日收益最高构建目标函数，采用粒子群算法求解，最后对新疆某风电场进行分析得到该控制策略能够最大化消纳风电且经济性最优；文献[60]基于共享储能的运营模式，考虑平抑电网波动、协调新能源等多种场景进行建模，针对退役动力电池衰减特性采取分级控制，仿真结果证明该策略能够减少传统机组出力，优化储能功率分配，提高利用率。

4 行业挑战及展望

面对日益增长的新能源汽车，数量庞大的退役动力电池将是一个极为严峻的问题，动力电池梯次利用已是大势所趋，成熟的梯次利用体系将为解决该问题提供一个环保、经济、有效的途径。2022年6月，国家能源局发布《防止电力生产事故的二十五项重点要求(征求意见稿)》，文件不提倡中大型储能电站使用梯次利用电池，若要进行使用，需要经过一致性筛选，同时根据历史运行数据进行安全评估[61]。国内梯次利用产业发展仍在起步阶段，目前想要对退役动力电池进行规模化的应用暂且呈现阻滞状态，无论是技术问题或是管理问题都亟需解决。

4.1　关键技术突破

（1）老化及寿命模型。退役动力电池的安全性是其被推上风口浪尖的主要原因之一，当前电池老化研究更多是针对新电池方面，对于梯次利用电池的老化研究较少，梯次利用电池由于其退役前工作状态的多样性，其老化机制更为复杂，充分考虑运行方式、运行环境、电池结构等多影响因素的老化模型将有助于电池的状态检测与监测，准确排除不适用于梯次利用的电池，且保证运行中的电池的安全。同时还需加深容量或寿命预测模型的研究，准确判别合适的退役动力电池梯次利用场景、运行效率、运行方式，在安全的前提下最大化利用电池资源后找到电池老化拐点，进行二次退役。

（2）筛选聚类技术。目前筛选聚类技术主流采用机器学习的方法，但多存在准确度与速度相矛盾的情况，且模型泛化能力不足，为迎合大量退役电池进入产业，未来所研究的筛选方法不宜过于复杂，需构建简单实用的学习模型，开发出鲁棒性更强的算法，基于实际应用场景进行设计，自动且高效地将电池分配给合适的场景，促进梯次利用产业规模化发展。

（3）容量配置模型。合理的容量配置模型对优化研究并应用于实际工程有着重要影响，为实现最优配置，模型通常还需考虑发电量、负荷需求、新能源间歇性等不确定因素，多种因素相互耦合，需要容量配置的研究给出一个参数可变的选择范围，而不是确切值，以供实际应用需求，且还需深刻考量退役动力电池性能限制及老化所带来的影响，同时避免研究仅存在理论有效性，需加强技术研究成果与示范工程的结合，真正实现产业进步。

4.2　产业体系形成

（1）溯源管理。电池历史运行数据是提高梯次利用效率的基础，规范的电池溯源管理是取得历史数据的关键，需明确落实生产者责任延伸制度，对各环节主体所需溯源信息提出要求，充分利用溯源管理平台，加强维护和监管，未来随着物联网及机器学习技术的发展，或为电池的智能管理、数据采集提供强有力的支持。

（2）商业模式。梯次利用技术与工艺尚不成熟，生产供应链体系仍待形成，因此目前退役电池检测和重组成本过高，产品出厂价格过高，经济效益低下，且大比例的退役动力电池进入非正规渠道，电池退役量虽多，部分厂商却出现无电池可用的尴尬局面，亟需加强产业链上下游合作，推进回收单位与“白名单”企业直接对接，建立正规回收渠道，充分利用信息技术，实现产业联盟，尽快规范市场制度，形成回收体系。同时创新商业模式，拓宽应用场景，如换电、租赁(共享)、能源服务外包等模式，当今智能电网蓬勃发展，建议企业加强与电网合作，利用梯次利用技术解决新能源消纳及调度，助力清洁能源转型。

（3）标准与政策。任何产业在发展阶段都离不开政策与标准的指引，国家虽已出台相关文件扶持，并积极构建标准体系，但仍不完善，缺少梯次利用针对性制度。为促进产业快速有序发展，需对退役电池的运输与监管、行业与市场的法规、检测评估与筛选重组指标、电池分级标准、应用标准、再退役标准、消防安全规范等进行更为细致地制定。鉴于回收储运、检测等成本导致梯次利用产品成本过高，企业营收不足，需对相关环节加以补贴激励。同时对电池研发、生产统一标准，构建统一电池规格、结构、组装工艺，从源头上提高电池梯次利用效率，降低附加成本。

5 总结

一个产业从摸索到成熟是循序渐进的过程，为践行“双碳”背景的绿色低碳理念，新能源动力电池及其梯次利用在节能减排与资源利用上展现出巨大潜力，推动梯次利用产业可持续发展已是行业共识。本文系统阐述了梯次利用回收相关技术以及储能系统的应用技术，并对产业发展进行展望，希望能够为产业技术进步及高质量发展提供助力，推进“双碳”目标顺利实现。

参考文献

李建林, 李雅欣, 吕超, 等. 退役动力电池梯次利用关键技术及现状分析[J]. 电力系统自动化, 2020, 44(13): 172-183.

[本文引用: 1]

LI J L, LI Y X, LYU C, et al. Key technology and research status of cascaded utilization in decommissioned power battery[J]. Automation of Electric Power Systems, 2020, 44(13): 172-183.

[本文引用: 1]

东亚前海证券. 动力电池“退役潮”来临,回收行业景气将至[J]. 汽车与配件, 2022(5): 58-61.

[本文引用: 1]

谭震, 范茂松, 赵光金, 等. 动力电池梯次利用国家标准体系分析[J]. 电池, 2022, 52(4): 443-446.

[本文引用: 1]

TAN Z, FAN M S, ZHAO G J, et al. Analysis of national standard system for power battery echelon utilization[J]. Battery Bimonthly, 2022, 52(4): 443-446.

[本文引用: 1]

国家质量监督检验检疫总局, 中国国家标准化管理委员会. 车用动力电池回收利用 拆解规范: GB/T 33598—2017[S]. 北京: 中国标准出版社, 2017.

[本文引用: 1]

General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Recycling of traction battery used in electric vehicle—Dismantling specification: GB/T 33598—2017[S]. Beijing: Standards Press of China, 2017.

[本文引用: 1]

国家质量监督检验检疫总局, 中国国家标准化管理委员会. 车用动力电池回收利用 余能检测: GB/T 34015—2017[S]. 北京: 中国标准出版社, 2017.

[本文引用: 1]

General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Recycling of traction battery used in electric vehicle—Test of residual capacity: GB/T 34015—2017[S]. Beijing: Standards Press of China, 2017.

[本文引用: 1]

工业和信息化部, 科技部, 生态环境部, 等. 工业和信息化部, 科技部, 生态环境部, 商务部, 市场监管总局关于印发《新能源汽车动力蓄电池梯次利用管理办法》的通知[J]. 中华人民共和国国务院公报, 2021(33): 89-91.

[本文引用: 1]

市场监管总局(标准委)发布一批公共安全、绿色可持续、高新技术等领域重要国家标准[EB/OL]. [2021-09-17]. https://www.samr.gov.cn/xw/zj/202109/t20210917_334831.html.

[本文引用: 1]

财政部, 税务总局. 关于完善资源综合利用增值税政策的公告[J]. 资源再生, 2021(12): 52-54.

[本文引用: 1]

CAI Z B, SHUI W. Announcement on improving the value-added tax policy for comprehensive utilization of resources[J]. Resource Recycling, 2021(12): 52-54.

[本文引用: 1]

工信部等八部门印发《关于加快推动工业资源综合利用的实施方案》[J]. 资源再生, 2022(2): 44-47.

[本文引用: 1]

The Ministry of Industry and Information Technology and other eight departments issued the Implementation Plan on Accelerating the Comprehensive Utilization of Industrial Resources[J]. Resource Recycling, 2022(2): 44-47.

[本文引用: 1]

工信部等六部门关于推动能源电子产业发展的指导意见[EB/OL].[2023-01-03]. http://www.gov.cn/zhengce/zhengceku/2023-01/17/content_5737584.htm.

[本文引用: 1]

国家质量监督检验检疫总局, 中国国家标准化管理委员会. 汽车动力蓄电池编码规则: GB/T 34014—2017[S]. 北京: 中国标准出版社, 2017.

[本文引用: 1]

General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Coding regulation for automotive traction battery: GB/T 34014—2017[S]. Beijing: Standards Press of China, 2017.

[本文引用: 1]

国家市场监督管理总局, 国家标准化管理委员会. 车用动力电池回收利用 管理规范 第1部分:包装运输: GB/T 38698.1—2020[S]. 北京: 中国标准出版社, 2020.

[本文引用: 1]

State Administration for Market Regulation, Standardization Administration of the People's Republic of China. Recycling of traction battery used in electric vehicle—Management specification—Part 1: Packing and transporting: GB/T 38698.1—2020[S]. Beijing: Standards Press of China, 2020.

[本文引用: 1]

国家市场监督管理总局, 国家标准化管理委员会. 车用动力电池回收利用 梯次利用 第2部分:拆卸要求: GB/T 34015.2—2020[S]. 北京: 中国标准出版社, 2020.

[本文引用: 1]

State Administration for Market Regulation, Standardization Administration of the People's Republic of China. Recycling of traction battery used in electric vehicle—Echelon use—Part 2: Removing requirements: GB/T 34015.2—2020[S]. Beijing: Standards Press of China, 2020.

[本文引用: 1]

国家市场监督管理总局, 国家标准化管理委员会. 车用动力电池回收利用 梯次利用 第3部分:梯次利用要求: GB/T 34015.3—2021[S]. 北京: 中国标准出版社, 2021.

[本文引用: 1]

State Administration for Market Regulation, Standardization Administration of the People's Republic of China. Recovery of traction battery used in electric vehicle—Echelon use—Part 3: Echelon using requirement: GB/T 34015.3—2021[S]. Beijing: Standards Press of China, 2021.

[本文引用: 1]

国家市场监督管理总局, 国家标准化管理委员会. 车用动力电池回收利用 梯次利用 第4部分:梯次利用产品标识: GB/T 34015.4—2021[S]. 北京: 中国标准出版社, 2021.

[本文引用: 1]

State Administration for Market Regulation, Standardization Administration of the People's Republic of China. Recovery of traction battery used in electric vehicle—Echelon use—Part 4: Labels for echelon used battery products: GB/T 34015.4—2021[S]. Beijing: Standards Press of China, 2021.

[本文引用: 1]

刘若桐, 李建林, 吕喆, 等. 退役动力电池应用潜力分析[J]. 电气技术, 2021, 22(8): 1-9.

[本文引用: 1]

LIU R T, LI J L, LÜ Z, et al. Application potential analysis of decommissioned power batteries[J]. Electrical Engineering, 2021, 22(8): 1-9.

[本文引用: 1]

褚兵, 杨厚东. 浅谈退役动力电池综合利用方法和发展路径[J]. 电子元器件与信息技术, 2022, 6(1): 110-111.

[本文引用: 1]

CHU B, YANG H D. Discussion on comprehensive utilization method and development path of retired power batteries[J]. Electronic Components and Information Technology, 2022, 6(1): 110-111.

[本文引用: 1]

李梦雅. 不确定环境下面向电动车废旧电池的逆向物流网络构建研究[D]. 上海: 东华大学, 2014.

[本文引用: 1]

LI M Y. Research on the construction of reverse logistics network for waste batteries of electric vehicles in uncertain environment[D]. Shanghai: Donghua University, 2014.

[本文引用: 1]

陈光. 动力锂电池闭环供应链回收模式研究[D]. 北京: 中国地质大学(北京), 2020.

[本文引用: 1]

CHEN G. Research on recovery mode of closed-loop supply chain of power lithium battery[D]. Beijing: China University of Geosciences, 2020.

[本文引用: 1]

王丹. 北京市电动汽车退役电池逆向物流网络优化研究[D]. 北京: 华北电力大学(北京), 2020.

[本文引用: 1]

WANG D. Research on optimization of reverse logistics network for retired batteries of electric vehicles in Beijing[D]. Beijing: North China Electric Power University, 2020.

[本文引用: 1]

梁思凡. 梯次利用场景下动力电池不同回收模式网络构建研究[D]. 北京: 北京交通大学, 2021.

[本文引用: 1]

LIANG S F. Research on the network construction of different recovery modes of power battery in cascade utilization scenarios[D]. Beijing: Beijing Jiaotong University, 2021.

[本文引用: 1]

刘子文. 不确定条件下电动汽车动力电池回收网络建模与优化[D]. 北京: 华北电力大学(北京), 2021.

[本文引用: 1]

LIU Z W. Modeling and optimization of electric vehicle battery recovery network under uncertainty[D]. Beijing: North China Electric Power University, 2021.

[本文引用: 1]

周兴建, 黎继子, 李菲, 等. 基于Blockchain的新能源汽车动力电池回收供应链模式[J/OL]. 计算机集成制造系统, 1-15[2022-03-15]. http://kns.cnki.net/kcms/detail/11.5946.TP.20220314.1252.026.html.

[本文引用: 1]

ZHOU X J, LI J Z, LI F, et al. Power battery recycling supply chain model for new energy vehicles based on Blockchain[J/OL]. Computer Integrated Manufacturing Systems, 1-15[2022-03-15]. http://kns.cnki.net/kcms/detail/11.5946.TP.20220314.1252.026.html.

[本文引用: 1]

刘先庆, 王长宏, 吴婷婷. 锂离子电池老化机理及综合利用综述[J]. 电池, 2022, 52(2): 223-227.

[本文引用: 1]

LIU X Q, WANG C H, WU T T. Review of aging mechanism and comprehensive use of Li-ion battery[J]. Battery Bimonthly, 2022, 52(2): 223-227.

[本文引用: 1]

JIANG X, CHEN Y, MENG X, et al. The impact of electrode with carbon materials on safety performance of lithium-ion batteries: A review[J]. Carbon: An International Journal Sponsored by the American Carbon Society, 2022(191): 448-470.

[本文引用: 1]

HU X S, DENG X C, WANG F, et al. A review of second-life lithium-ion batteries for stationary energy storage applications[J]. Proceedings of the IEEE, 2022, 110(6): 735-753.

[本文引用: 1]

余鹏. 电动汽车用动力锂离子电池老化机理与建模研究[D]. 绵阳: 西南科技大学, 2022.

[本文引用: 1]

YU P. Study on aging mechanism and modeling of power lithium-ion battery for electric vehicle[D]. Mianyang: Southwest University of Science and Technology, 2022.

[本文引用: 1]

纪常伟, 潘帅, 汪硕峰, 等. 动力锂离子电池老化速率影响因素的实验研究[J]. 北京工业大学学报, 2020, 46(11): 1272-1282.

[本文引用: 1]

JI C W, PAN S, WANG S F, et al. Experimental study on effect factors of aging rate for power lithium-ion batteries[J]. Journal of Beijing University of Technology, 2020, 46(11): 1272-1282.

[本文引用: 1]

孙丙香, 任鹏博, 陈育哲, 等. 锂离子电池在不同区间下的衰退影响因素分析及任意区间的老化趋势预测[J]. 电工技术学报, 2021, 36(3): 666-674.

[本文引用: 1]

SUN B X, REN P B, CHEN Y Z, et al. Analysis of influencing factors of degradation under different interval stress and prediction of aging trend in any interval for lithium-ion battery[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 666-674.

[本文引用: 1]

YANG X G, LENG Y J, ZHANG G S, et al. Modeling of lithium plating induced aging of lithium-ion batteries: Transition from linear to nonlinear aging[J]. Journal of Power Sources, 2017, 360: 28-40.

[本文引用: 1]

钱艳婷, 韩旭来, 王红美. 应用在储能系统的退役动力电池梯次利用分析[J]. 中国高新科技, 2022(6): 105-108.

[本文引用: 1]

QIAN Y T, HAN X L, WANG H M. Step utilization analysis of retired power battery applied in energy storage system[J]. China High and New Technology, 2022(6): 105-108.

[本文引用: 1]

王苏杭, 李建林. 退役动力电池梯次利用研究进展[J]. 分布式能源, 2021, 6(2): 1-7.

[本文引用: 1]

WANG S H, LI J L. Research progress on echelon utilization of retired power batteries[J]. Distributed Energy, 2021, 6(2): 1-7.

[本文引用: 1]

高震, 张新慧, 颜勇, 等. 退役锂离子电池梯次利用状态区间划分[J]. 电池, 2021, 51(2): 209-213.

[本文引用: 1]

GAO Z, ZHANG X H, YAN Y, et al. Division of echelon utilization status interval of retired Li-ion battery[J]. Battery Bimonthly, 2021, 51(2): 209-213.

[本文引用: 1]

肖曦, 田培根, 于璐, 等. 动力电池梯次利用储能系统电热安全研究现状及展望[J]. 电气工程学报, 2022, 17(1): 206-224.

[本文引用: 1]

XIAO X, TIAN P G, YU L, et al. Status and prospect of safety studies of cascade power battery energy storage system[J]. Journal of Electrical Engineering, 2022, 17(1): 206-224.

[本文引用: 1]

ZHANG Y, ZHOU Z K, YANG X C, et al. A novel screening approach based on neural network for the second usage of retired lithiumion batteries[C]//2020 Chinese Automation Congress (CAC). November 6-8, 2020, Shanghai, China. IEEE, 2021: 1193-1197.

[本文引用: 1]

魏梓轩, 韩晓娟, 李炫. 基于深度神经网络的梯次利用电池健康状态评估[J]. 太阳能学报, 2022, 43(5): 518-524.

[本文引用: 1]

WEI Z X, HAN X J, LI X. State of health assessment for echelon utilization batteries based on deep neural network[J]. Acta Energiae Solaris Sinica, 2022, 43(5): 518-524.

[本文引用: 1]

于璐, 张辉, 田培根, 等. 一种退役动力电池梯次利用储能系统安全评估方法[J]. 太阳能学报, 2022, 43(5): 446-453.

[本文引用: 2]

YU L, ZHANG H, TIAN P G, et al. A battery safety evaluation method for reuse of retired power battery in energy storage system[J]. Acta Energiae Solaris Sinica, 2022, 43(5): 446-453.

[本文引用: 2]

柴建勇, 侯恩广, 李岳炀. 基于自适应卡尔曼滤波的梯次电池荷电状态估算[J]. 济南大学学报(自然科学版), 2021, 35(2): 165-169.

[本文引用: 1]

CHAI J Y, HOU E G, LI Y Y. State of charge estimation for cascade batteries based on adaptive Kalman filtering[J]. Journal of University of Jinan (Science and Technology), 2021, 35(2): 165-169.

[本文引用: 1]

王萍, 彭香园, 程泽. 基于DTV-IGPR模型的锂离子电池SOH估计方法[J]. 汽车工程, 2021, 43(11): 1710-1719.

[本文引用: 1]

WANG P, PENG X Y, CHENG Z. SOH estimation method for lithium-ion batteries based on DTV-IGPR model[J]. Automotive Engineering, 2021, 43(11): 1710-1719.

[本文引用: 1]

骆凡, 黄海宏, 王海欣. 基于电化学阻抗谱的退役动力电池荷电状态和健康状态快速预测[J]. 仪器仪表学报, 2021, 42(9): 172-180.

[本文引用: 1]

LUO F, HUANG H H, WANG H X. Rapid prediction of the state of charge and state of health of decommissioned power batteries based on electrochemical impedance spectroscopy[J]. Chinese Journal of Scientific Instrument, 2021, 42(9): 172-180.

[本文引用: 1]

耿萌萌, 惠东, 刘汉民, 等. 退役三元电池健康状态在线估算方法研究[J]. 电源技术, 2022, 46(3): 262-266.

[本文引用: 1]

GENG M M, HUI D, LIU H M, et al. Research on online estimation method of health state of retired ternary battery[J]. Chinese Journal of Power Sources, 2022, 46(3): 262-266.

[本文引用: 1]

王萍, 弓清瑞, 张吉昂, 等. 一种基于数据驱动与经验模型组合的锂电池在线健康状态预测方法[J]. 电工技术学报, 2021, 36(24): 5201-5212.

[本文引用: 1]

WANG P, GONG Q R, ZHANG J, et al. An online state of health prediction method for lithium batteries based on combination of data-driven and empirical model[J]. Transactions of China Electrotechnical Society, 2021, 36(24): 5201-5212.

[本文引用: 1]

徐裴行. 锂离子动力电池荷电状态与健康状态联合估计算法研究[D]. 南宁: 广西大学, 2022.

[本文引用: 1]

XU P X. Research on joint estimation algorithm of state of charge and health of lithium-ion power battery[D]. Nanning: Guangxi University, 2022.

[本文引用: 1]

李建林, 李雅欣, 吕超, 等. 碳中和目标下退役电池筛选聚类关键技术研究[J]. 电网技术, 2022, 46(2): 429-441.

[本文引用: 1]

LI J L, LI Y X, LÜ C, et al. Key technology of retired batteries' screening and clustering under target of carbon neutrality[J]. Power System Technology, 2022, 46(2): 429-441.

[本文引用: 1]

薛费青. 电动汽车退役动力电池状态评估及梯次利用关键技术研究[D]. 杭州: 浙江科技学院, 2022.

[本文引用: 1]

XUE F Q. Research on state evaluation and key technologies of cascade utilization of retired power battery of electric vehicle[D]. Hangzhou: Zhejiang University of Science & Technology, 2022.

[本文引用: 1]

王璐. 退役锂离子电池分选与重组的关键技术研究[D]. 太原: 中北大学, 2022.

[本文引用: 1]

WANG L. Research on key technologies of separation and reorganization of retired lithium ion batteries[D]. Taiyuan: North University of China, 2022.

[本文引用: 1]

马速良, 李建林, 李雅欣, 等. 面向电池梯次利用筛选需求的定制化聚类优化方法[J]. 中国电机工程学报, 2022, 42(17): 6208-6220.

[本文引用: 1]

MA S L, LI J L, LI Y X, et al. Customized clustering optimization method for battery cascade utilization screening requirements[J]. Proceedings of the CSEE, 2022, 42(17): 6208-6220.

[本文引用: 1]

王存, 袁智勇, 王亦伟, 等. 退役动力电池梯次利用关键技术概述[J]. 新能源进展, 2021, 9(4): 327-341.

[本文引用: 1]

WANG C, YUAN Z Y, WANG Y W, et al. Overview of key technologies for echelon utilization of decommissioned power batteries[J]. Advances in New and Renewable Energy, 2021, 9(4): 327-341.

[本文引用: 1]

王帅, 尹忠东, 郑重, 等. 电池单体参数不一致对电池模组性能影响研究[J]. 电测与仪表, 2020, 57(10): 76-82, 107.

[本文引用: 1]

WANG S, YIN Z D, ZHENG Z, et al. The influence of cell parameters inconsistency on the performance of different topological battery modules[J]. Electrical Measurement & Instrumentation, 2020, 57(10): 76-82, 107.

[本文引用: 1]

韩元昭. 不同拓扑下锂电池不一致性对输出特性影响的研究[D]. 北京: 华北电力大学(北京), .

[本文引用: 1]

HAN Y Z. Study on the influence of inconsistency of lithium batteries on output characteristics under different topologies[D]. Beijing: North China Electric Power University, .

[本文引用: 1]

宋旬. 电动汽车串并联动力电池组建模与性能分析研究[D]. 西安: 长安大学, 2019.

[本文引用: 1]

SONG X. Modeling and performance analysis of series-parallel battery pack for electric vehicle[D]. Xi'an: Changan University, 2019.

[本文引用: 1]

王质素, 杜欣慧, 陈惠英, 等. 考虑动力电池梯次利用的混合发电厂容量配置[J]. 太阳能学报, 2022, 43(5): 533-540.

[本文引用: 1]

WANG Z S, DU X H, CHEN H Y, et al. Capacity optimization of hybrid power plants considering power battery ladder utilization[J]. Acta Energiae Solaris Sinica, 2022, 43(5): 533-540.

[本文引用: 1]

赵伟, 袁锡莲, 周宜行, 等. 考虑运行寿命内经济性最优的梯次电池储能系统容量配置方法[J]. 电力系统保护与控制, 2021, 49(12): 16-24.

[本文引用: 1]

ZHAO W, YUAN X L, ZHOU Y X, et al. Capacity configuration method of a second-use battery energy storage system considering economic optimization within service life[J]. Power System Protection and Control, 2021, 49(12): 16-24.

[本文引用: 1]

刘格格. 微电网系统中梯次利用电池混合储能系统能量管理策略[D]. 武汉: 湖北工业大学, 2020.

[本文引用: 2]

LIU G G. Energy management strategy of hybrid energy storage system with cascaded batteries in microgrid system[D]. Wuhan: Hubei University of Technology, 2020.

[本文引用: 2]

李笑竹, 陈来军, 杜锡力, 等. 考虑退役动力电池衰减特性的新能源场站群共享储能长期规划配置[J]. 太阳能学报, 2022, 43(5): 499-509.

[本文引用: 1]

LI X Z, CHEN L J, DU X L, et al. Study on long-term planning of shared energy storage at power generation considering attenuation characteristics of retired power batteries[J]. Acta Energiae Solaris Sinica, 2022, 43(5): 499-509.

[本文引用: 1]

崔传世, 谢丽蓉, 包洪印, 等. 平抑风电功率波动退役电池储能系统容量配置[J]. 电源技术, 2020, 44(8): 1185-1190.

[本文引用: 1]

CUI C S, XIE L R, BAO H Y, et al. Capacity configuration of retired battery energy storage system for smoothing wind power fluctuations[J]. Chinese Journal of Power Sources, 2020, 44(8): 1185-1190.

[本文引用: 1]

郑永强, 吴越, 张盼盼, 等. 基于多分支拓扑的梯次利用储能系统电池同期退役协同控制策略[J]. 储能科学与技术, 2021, 10(6): 2283-2292.

[本文引用: 1]

ZHENG Y Q, WU Y, ZHANG P P, et al. Cooperative control strategy of battery simultaneous decommissioning in cascade energy storage system based on multi-branch topology[J]. Energy Storage Science and Technology, 2021, 10(6): 2283-2292.

[本文引用: 1]

王育飞, 叶俊斌, 薛花, 等. 基于改进雨流计数法的梯次利用电池储能系统优化控制[J]. 电力系统自动化, 2022, 46(8): 39-49.

[本文引用: 1]

WANG Y F, YE J B, XUE H, et al. Optimal control for energy storage system with echelon utilization batteries based on improved rain-flow counting method[J]. Automation of Electric Power Systems, 2022, 46(8): 39-49.

[本文引用: 1]

马玲, 魏成伟, 谢丽蓉, 等. 基于退役动力电池的风储有功功率协调控制策略[J]. 太阳能学报, 2021, 42(10): 437-443.

[本文引用: 1]

MA L, WEI C W, XIE L R, et al. Coordinated control strategy for wind storage active power of decommissioned power battery[J]. Acta Energiae Solaris Sinica, 2021, 42(10): 437-443.

[本文引用: 1]

李笑竹, 陈来军, 杜锡力, 等. 考虑退役动力电池衰减特性的集中式共享储能分级协调控制策略[J]. 太阳能, 2022(5): 87-95.

[本文引用: 1]

LI X Z, CHEN L J, DU X L, et al. Hierarchical coordinated control strategy of centralized shared energy storage considering attenuation characteristics of retired power batteries[J]. Solar Energy, 2022(5): 87-95.

[本文引用: 1]

国家能源局综合司关于征求《防止电力生产事故的二十五项重点要求(2022年版)(征求意见稿)》意见的函[EB/OL]. [2022-06-29]. http://www.nea.gov.cn/2022-06/29/c_1310635544.html.

[本文引用: 1]

Letter of the Comprehensive Department of the National Energy Administration on Soliciting opinions on 25 Key Requirements for Preventing Accidents in Power Production (2022 Version) (Draft for Soliciting Opinions)[EB/OL]. [2022-06-29]. http://www.nea.gov.cn/2022-06/29/c_1310635544.html.

[本文引用: 1]