《储能电池系统核心状态参量估算策略》专注于新型电力储能电池系统工程的学科领域，聚焦储能电池管理系统的智能化技术，以储能电池系统核心状态参量估算方法为基础，对电池管理系统技术进行深入的研究和探索。《储能电池系统核心状态参量估算策略》主要研究新型电力储能的应用、电力系统辨识建模、智慧储能电池状态评估和智能化管理监测中的关键技术，为系统设计和应用提供技术参考。

目录
第1章 绪论 1
1.1 新型电力储能应用 1
1.1.1 电化学储能 1
1.1.2 飞轮储能 2
1.1.3 压缩空气储能 3
1.1.4 超导储能 4
1.1.5 超级电容器储能 6
1.2 智能电网储能系统电池模型构建 7
1.2.1 电化学机理模型 8
1.2.2 数据模型 8
1.2.3 等效电路模型 8
1.2.4 热模型 9
1.3 智慧储能电池状态评估 10
1.3.1 荷电状态估计策略 10
1.3.2 健康状态预测算法 12
1.3.3 能量状态估算 14
1.3.4 峰值功率估算 15
1.3.5 全寿命周期剩余使用寿命评估 16
第2章 电力储能电池测试 21
2.1 电池测试共享平台搭建 21
2.2 电池工作机理分析 22
2.3 电池特性测试流程 25
2.3.1 能量测试 25
2.3.2 混合脉冲功率特性测试 26
2.3.3 电池容量校正测试 27
2.3.4 不同倍率充放电测试 27
2.3.5 电池老化测试 28
2.4 电池工作特性分析 29
2.4.1 电压特性分析 29
2.4.2 电流特性分析 31
2.4.3 温度特性分析 31
2.4.4 内阻特性分析 32
2.4.5 能量特性分析 33
2.5 本章小结 33
第3章 智慧能源建模分析 34
3.1 电化学特性模型 34
3.1.1 黑箱模型 34
3.1.2 等效电路模型 37
3.1.3 电化学机理模型 40
3.2 热模型 45
3.2.1 单状态集中参数热模型 45
3.2.2 一维分布式多项式热模型 46
3.2.3 双状态集中参数热模型 49
3.3 电热耦合模型 51
3.3.1 基于偏微分方程的模型 51
3.3.2 混合型模型 53
3.4 本章小结 53
第4章 储能电池状态智能化预估核心算法 55
4.1 基于传统方法的计算 55
4.1.1 开路电压法 55
4.1.2 安时积分法 56
4.1.3 电化学阻抗谱法 57
4.2 基于模型方法的估计 58
4.2.1 卡尔曼滤波 58
4.2.2 扩展卡尔曼滤波 59
4.2.3 无迹卡尔曼滤波 61
4.2.4 双卡尔曼滤波 62
4.2.5 自适应卡尔曼滤波 64
4.3 基于智能算法的预测 66
4.3.1 神经网络 66
4.3.2 模糊逻辑控制 78
4.3.3 支持向量机 78
4.3.4 机器学习 81
4.4 本章小结 83
第5章 基于LSTM神经网络的储能电池SOC估计 84
5.1 基于BiLSTM模型的电池SOC预测 84
5.1.1 特征选取与训练样本优化 84
5.1.2 网络结构设计与超参数选择 85
5.1.3 基于BiLSTM的动态模型构建 86
5.2 贝叶斯优化BiLSTM网络模型 87
5.2.1 基于贝叶斯的后验分布估计 87
5.2.2 贝叶斯优化BiLSTM模型框架 89
5.2.3 贝叶斯优化BiLSTM超参数优化选取 90
5.3 基于AUKF的神经网络模型优化策略 92
5.3.1 无迹变换预处理分析 92
5.3.2 UKF迭代运算分析 93
5.3.3 时变噪声对SOC估计影响与修正 94
5.3.4 BO-BiLSTM-UKF噪声修正模型设计 95
5.4 BiLSTM预测模型与滤波自适应策略融合估计结果分析 96
5.4.1 电池针对性BBDST工况实验 97
5.4.2 变温度复杂工况下电池SOC估计结果分析 98
5.4.3 分阶段模拟工况下电池SOC估计效果验证 103
5.5 本章小结 106
第6章 基于数据驱动的储能电池簇SOH估算 107
6.1 考虑液相电势的储能电池ESP电压建模 107
6.1.1 ESP电压模型优化改进策略 107
6.1.2 液相浓差极化及欧姆极化过电势求解 108
6.1.3 基于ESP模电压型的储能电池簇多单体建模 112
6.2 多维储能电池健康指标的提取 113
6.2.1 基于CCPSO算法的ESP模型双参数辨识 114
6.2.2 基于IC-DV方法的双老化模式量化 119
6.2.3 健康指标的相关性分析 122
6.3 储能电池簇的SOH估算 124
6.3.1 NSA-BP模型的框架构建 124
6.3.2 基于健康指标和NSA-BP模型的SOH估算策略 128
6.4 储能典型工况下电池模型和SOH估算验证 130
6.4.1 健康指标提取及相关性分析结果 130
6.4.2 低倍率恒流储能老化工况下的估计结果 139
6.4.3 变倍率储能老化工况下的估计结果 144
6.5 本章小结 148
第7章 基于长短期记忆网络的电池峰值功率估算 151
7.1 戴维南模型构建及全参数辨识 151
7.1.1 戴维南模型构建 151
7.1.2 离线与在线辨识策略 153
7.2 电池峰值功率预估 156
7.2.1 基于端电压约束的电池峰值功率估算 156
7.2.2 基于SOC约束的电池峰值功率估算 158
7.2.3 峰值功率动态实验验证 159
7.3 峰值功率预估实验验证分析 161
7.3.1 不同老化情况下的电池峰值功率估算验证 161
7.3.2 不同温度下的电池峰值功率估算验证 162
7.4 本章小结 164
第8章 储能电池能量状态评估算法设计与优化 165
8.1 电池等效建模与参数辨识 165
8.1.1 考虑温度影响的电池等效模型构建 165
8.1.2 基于混合脉冲功率测试的离线辨识 167
8.1.3 基于遗忘因子递归*小二乘法的参数辨识 169
8.1.4 参数辨识结果分析 170
8.2 基于FVW-CKF算法的SOE估计 173
8.2.1 模糊自适应CKF算法 173
8.2.2 双权重多新息CKF 175
8.2.3 变窗口自适应调整策略 176
8.3 基于双层滤波的SOE与*大可用能量联合估计 176
8.3.1 基于EKF的*大可用能量估计 176
8.3.2 基于FVW-CKF的SOE和*大可用能量联合估计 177
8.4 实验结果分析 179
8.4.1 电池能量状态估计验证 179
8.4.2 *大可用能量修正效果验证 185
8.5 本章小结 188
第9章 基于萤火虫优化的SOC与SOH协同估计 189
9.1 电池动态迁移模型构建 189
9.1.1 动态迁移建模 189
9.1.2 基于偏差补偿策略的在线参数辨识 193
9.1.3 动态迁移模型验证 196
9.2 基于萤火虫优化算法的SOC与SOH协同估计 197
9.2.1 混沌萤火虫-粒子滤波 197
9.2.2 迁移因子的动态更新及SOC估计 201
9.2.3 基于PF-EKF的SOC与SOH协同估计 203
9.3 SOC与SOH协同估计实验验证分析 205
9.3.1 电池健康状态下协同估计验证 205
9.3.2 电池老化状态下协同估计验证 210
9.4 本章小结 215
第10章 基于*滤波的锂电池SOC与SOP联合估计 217
10.1 PNGV模型结合改进粒子群优化的*小二乘辨识策略 217
10.1.1 二阶PNGV模型建模 217
10.1.2 递归*小二乘法在线参数辨识 218
10.1.3 基于DPSO-FFRLS法的参数辨识 220
10.1.4 惯性权重动态化处理 222
10.2 SOC与SOP估计策略设计 224
10.2.1 基于*滤波的SOC估计 224
10.2.2 基于多参数约束的SOP估算 227
10.3 实验分析与验证 232
10.3.1 基于DPSO-FFRLS法的参数辨识结果分析 232
10.3.2 SOC评估策略验证分析 234
10.3.3 SOP评估策略验证分析 238
10.4 本章小结 243
参考文献 244

第1章　绪论
　　1.1　新型电力储能应用
　　1.1.1　电化学储能
　　当前国内外运行的储能项目仍以抽水蓄能为主，其次是电化学储能[1]。因成本低、寿命长、技术成熟等优势，物理机械储能尤其是抽水蓄能被广泛应用，但受地理环境制约、投资高、建设周期长等因素影响，发展渐缓。电化学储能***高，不受自然环境影响，装机便捷，使用灵活，已经进入商业化阶段，随着成本的逐渐降低，电化学储能发展将步入快车道。同时，电化学电池已经具有150多年的发展和应用历史，是目前备用电源领域应用规模*大的电池类型[2]。
　　电化学储能主要是将电能转换为化学能存储起来，目前的主要媒介是各种电池，同时不同的电池类型有各自的特点，这就为大规模储能应用的不同需求提供了多样化的选择。目前，研究得较多的主要有锂电池、钠硫电池、全钒液流电池、钠/氯化镍电池、铅酸电池、镍氢电池、锂硫电池、锂空气电池等[3]。
　　在2012年之前，电化学储能领域主要使用的是铅蓄电池、纳基电池和液流电池，由于电池寿命短及系统效率低等问题，2012～2020年，锂电池开始被广泛应用；2020年之后，磷酸铁锂由于具有相对较长的循环寿命、相对较高的安全性、相对较低的成本，将是电化学储能的主流技术[4]。
　　如今，随着可再生能源发电的快速发展，实际生产和应用对大规模储能技术提出了更高要求，出现了以钠硫电池和全钒液流电池为代表的针对大规模储能应用而开发的电池。钠/氯化镍电池则是在钠硫电池的基础上发展起来的，随着便携电子产品的发展，出现了镍氧电池和锂电池，目前这种电池的产业发展已相对成熟。随着当前电动汽车的发展，锂电池在材料和制造工艺上有了很大的发展。这也促进了锂电池技术的进步，为大规模储能应用奠定了坚实的技术基础和产业基础。此外，为满足电动汽车未来发展需求而开发的锂硫电池和锂空气电池，也有可能成为未来大规模储能应用中潜在的或备选的技术[3]。
　　*近，美国麻省理工学院一个研究团队提出了一种新的化学储能技术，研究出液态金属电池。该研究团队的研究结果表明，这种电池具有成本低、寿命长、效率高、储能密度大的优点，可满足电网能量存储的要求。这项技术目前在国际上得到了广泛关注。
　　中关村储能产业技术联盟(China Energy Storage Alliance，CNESA)的数据表明，2021年我国电化学储能累计装机容量为5.51GW，约占我国已投运电力储能项目装机容量的12%，同比增长68.5%[5]。
　　目前电化学储能技术已经发展成为一种成熟的能量储存技术，广泛应用于可再生能源、电动汽车、智能电网等领域。主要的电化学储能技术包括铅酸蓄电池、锂电池、钠离子电池、液流电池等[6]。
　　锂电池是目前*为成熟和应用*为广泛的电化学储能技术，已经广泛应用于手机、笔记本电脑、电动汽车等领域。钠离子电池作为一种新兴的电化学储能技术，具有能量密度高、成本低等优势，正在逐步得到市场认可。
　　此外，随着可再生能源的大规模普及，液流电池等新兴电化学储能技术也正得到越来越多的关注和研究。液流电池具有高效、高能量密度、可扩展性强等特点，在大规模储能方面具有广阔的应用前景[7]。
　　电化学储能现已经应用于许多领域，主要包括以下几个方面。
　　(1)新能源发电与储能系统：如太阳能、风能、水能等可再生能源的发电系统，需要将电能存储到储能设备中，以便在不连续或时段性发电期间供能。
　　(2)电动汽车与混合动力汽车：电化学储能在电动汽车与混合动力汽车的动力系统中得到广泛应用，尤其是锂电池，其在能量密度、可靠性和寿命等方面都有很大突破。
　　(3)家居储能：随着电动汽车等需求的增加，家庭光伏发电和小型风力发电的使用越来越普及，家庭储能系统的应用则可以使得其实现*大限度的自给自足。
　　(4)能量储存系统：电化学储能还应用于大型能量储存系统，如电网的储能系统、风力发电站储能系统等。
　　1.1.2　飞轮储能
　　飞轮储能系统是一种利用飞轮转子加速和减速来实现电能和动能相互转换的储能装置，主要由转动惯量大、转速高的惯性轮、轴承系统、实现电能-动能相互转换的电动/发电两用电机、电力电子变流装置、控制设备、真空室等组成[8]。飞轮储能原理是：储存能量时，电机作为电动机运行，输入的电能经过电力电子变流装置处理后输入电机中，电机驱动飞轮转子加速，将外界输入的电能转换为飞轮转子的动能储存在飞轮储能系统中；释放能量时，电机作为发电机运行，飞轮转子驱动电机发电，飞轮储能系统储存的动能被电力电子变流装置转换成稳定的电能输出给外界[9]。相比于其他储能技术，飞轮储能技术的优势是功率大、效率高、使用寿命长、安全性高、充放电次数基本不受限制、对环境友好等。飞轮储能装置结构示意图如图1.1所示。
　　飞轮储能系统的储能容量计算公式为，式中，EFW为储能容量，J为飞轮转动惯量，ωm为飞轮转动角速度。可以看出，提升飞轮储能系统储能容量有两个途径，即提升转速和转动惯量[10]。
　　相比于传统储能方式，飞轮储能能够适应更多的应用场景，目前飞速发展的飞轮储能技术已经在电力系统调频、新能源发电、不间断电源等众多领域得到应用。其中，在
　　图1.1　飞轮储能装置结构示意图
　　电力系统领域通过引入飞轮储能技术来提高电网的电力质量、调节控制能力，通过合理布置飞轮储能系统可以实现兆瓦级能量储存，使飞轮储能系统作为不间断电源和电网峰值调节器使用[11]。
　　1.1.3　压缩空气储能
　　压缩空气储能(compressed air energy storage，CAES)是一种大规模储能技术，它通过电力压缩空气，将压缩空气储存在储气罐中，当需要用电时，释放压缩空气，驱动涡轮或发电机产生电力，实现储能、调峰和发电的功能。CAES技术具有高效、环保、灵活、可靠等特点，是一种适用于大规模清洁能源储存的技术。
　　在CAES系统中，压缩空气通常储存在地下储气库或高压储气罐中，当能量需求增加时，利用压缩空气通过燃烧燃料或膨胀机来产生电力。同时，CAES系统能够对电力进行储存和释放，具有较高的能量密度，因此能够在电力需求高峰期提供更大的电力输出。
　　压缩空气储能技术在电网产能过剩时利用多余的电能驱动压缩机，将空气压缩储存于地下盐穴或气罐中；在电网产能不足和负荷高峰期释放储存的高压空气，推动透平机膨胀发电，从而实现电网削峰填谷，提升电网调节能力和新能源消纳能力[12]。该技术具有容量大、寿命长、安全环保等优势，是一种极具发展前景的大规模清洁物理储能技术。目前，国外*早建成并投入商业运行的大型压缩空气储能电站为1978年投运的德国的Huntorf储能电站(580MW?h)，其启动过上万次，启动可靠率达97%[13]。我国的金坛盐穴压缩空气储能国家试验示范项目(300MW?h)在2021年成功并网，向国家电网发出我国*个大型压缩空气储能电站的“**度电”[14]。
　　压缩空气储能系统按照运行原理可分为绝热式和非绝热式，主要区别是有无外部热源，通常可根据有无燃烧室进行判别[15]。非绝热式压缩空气储能系统常规结构如图1.2所示。
　　图1.2　非绝热式压缩空气储能系统结构图
　　在用电高峰时，高压空气经过预热进入燃气轮机的高压燃烧室内，在燃烧室中与天然气混合燃烧放出热量，膨胀并驱动燃气轮机运转，带动发电机发电。绝热式压缩空气储能系统无燃烧室结构，通过换热器将压缩热量进行储存，膨胀前对气体进行预热或将膨胀后的冷量回收，通常和冷热电联供系统对接，将其压缩和膨胀过程中涉及的大量热量和冷量充分利用，既可以平抑可再生能源的波动，又能实现多种能源的转换，实现能源的梯级利用，提高用能效率。绝热式压缩空气储能系统结构如图1.3所示。
　　图1.3　绝热式压缩空气储能系统结构图
　　1.1.4　超导储能
　　超导磁储能(superconducting magnetic energy storage，SMES)是一种新兴的储能技术。SMES的运行是基于某些材料的超导概念。超导是一种现象，当某些材料被冷却到特定的临界温度以下时，会表现出精确的零电阻和磁场耗散。这种现象是由一位名叫海克?卡末林?昂内斯(Heike Kamerlingh Onnes)的荷兰科学家在1911年发现的。
　　美国超导公司在1997年生产了**个相当规模的HTS-SMES(高温超导磁储能)系统。之后，它被连接到德国一个更大的电网。在SMES系统中，能量通过沿超导体流动的电流以直流形式储存，并以直流磁场的形式保存。载流导体在低温(极低的温度)下工作，从而成为具有可忽略的电阻损失的超导体，同时它产生了磁场。在这种条件下，线圈的电流可以无限期地流动。这可以通过线圈的时间常数进一步证明，t=L/R，其中L是电感，R是电阻。当R趋于零时，t接近无穷大[16]。
　　SMES的运行是基于这样一个概念：即使其上的电压被消除，电流也会继续在超导体中流动。具有*小(零)电阻的超导线圈是一个已经被冷却到临界超导温度以下的线圈。因此，电流一直流过它。该线圈在任何充电状态下都能导电。在充电阶段，电流只流向一个方向，电力调节系统必须在线圈上产生一个正电压，以储存能量。在放电阶段，电源调节系统被修改为模仿系统作为线圈上的负载，产生一个反向电压，使线圈放电。SMES系统能够快速响应，它们可以在几秒钟内从充电模式转变为放电模式，反之亦然。
　　近年来，SMES在可再生能源整合方面的应用越来越突出。SMES已被证明是一种可行的、有竞争力的应用，如缓解输出功率波动、频率控制、瞬态稳定性增强和提高并网可再生能源系统的电能质量，如风能转换系统(wind energy conversion system，WECS)和太阳能光伏系统。
　　此外，超导储能具有能量密度高、充放电效率高、无污染、寿命长、快响应度、高储能功率以及灵活操控等优势，越来越受到青睐。尤其是高温超导材料的发现及应用，使超导储能更容易低成本实现，完全不受地域限制，有望在新能源电力系统建设中发挥重要作用，更有业界专家预判超导技术将对电力领域产生前所未有的巨大影响。
　　超导储能还具有以下功能。
　　(1)可用来消除电力系统中的低频振荡，用于稳定系统的频率和电压。
　　(2)可用于无功功率控制和功率因数的调节，以提高输电系统的稳定性和功率传输能力。
　　(3)由于可迅速向电网加入或吸收有功功率，具有超导储能装置的系统可看成灵活交流输电系统。
　　(4)如果既将它看作一个储能装置，又将它看作系统运行和控制时的有功功率源，它将显得更有用和有效，因此可以用作超导能量管理系统。
　　(5)在自动发电控制(automatic generation control，AGC)系统中具有自动发电控制作用，而且局部控制错误可减到*小。
　　(6)可用于配电系统或负荷较大的负载侧以减少波动和平衡尖峰负载、控制初次功率和提高瞬态稳定性，并可得到很好的效益。
　　(7)可用于海岛供电系统，因为海岛与大陆联网的造价高，一般采用燃气轮机*立发电并成网，超导储能装置可用来进行负载调节等。
　　(8)可用来补偿大型电动机启动、焊机、电弧炉、大锤、轧机等波动负载从而减少电网灯光闪烁现象。
　　(9)可用作太阳能和风力的储能。风力发电将产生脉动的功率输出，并将为配电网带来很多问题，而超导储能装置可使风力发电系统的输出平滑从而满足配电网的要求，并为系统提供备用功率和控制频率。
　　(10)可作为其他分布式电源系统的储能装置。
　　(11)可作为为重要负载提供高质量电力的不间断电源，并在负荷侧发生短路时限制短路电流[17]。
　　1.1.5　超级电容器储能
　　德国物理学家亥姆霍兹(Helmholtz)在1853年研究胶体悬浮系统时*先描述双