← 返回
储能系统技术 储能系统 ★ 5.0

具有荷电状态不平衡约束的模块化电池储能系统寿命最大化

Lifespan Maximization of Modular Battery Energy Storage Systems With State-of-Charge Imbalance Constraints

作者 Enrique Nunes · Gaowen Liang · Ezequiel Rodriguez · Glen G. Farivar · Josep Pou
期刊 IEEE Transactions on Industrial Electronics
出版日期 2024年11月
技术分类 储能系统技术
技术标签 储能系统
相关度评分 ★★★★★ 5.0 / 5.0
关键词 模块化电池储能系统 剩余使用寿命均衡 最大寿命延长 荷电状态不平衡 模型预测控制
语言:

中文摘要

模块化电池储能系统(MBESSs)是一种很有前景的技术,可缓解可再生能源的间歇性问题。在实际应用中,模块化电池储能系统中的电池在剩余使用寿命(RUL)方面存在差异。因此,健康状态最差的电池决定了模块化电池储能系统的使用寿命,这推动了剩余使用寿命均衡方法的发展。然而,现有方法既未考虑最大程度延长使用寿命,也未考虑剩余使用寿命均衡所产生的荷电状态(SoC)不平衡问题,而这种不平衡会降低模块化电池储能系统的可用容量。因此,本文首先为剩余使用寿命均衡制定了一个通用的最优准则,该准则适用于任何退化率是功率的严格凸函数的电池。据此,提出了一种最优剩余使用寿命均衡方法,通过模型预测控制框架,在限制荷电状态不平衡的同时,遵守运行约束条件,以最大程度延长模块化电池储能系统的使用寿命。仿真和实验结果验证了所提方法的有效性。

English Abstract

Modular battery energy storage systems (MBESSs) are a promising technology to mitigate the intermittency of renewables. In practice, the batteries in an MBESS have disparities in their remaining useful life (RUL). Hence, the least healthy battery dictates the MBESS lifespan, which has motivated the development of RUL balancing methods. However, existing methods have not considered maximum lifespan extension, nor the SoC imbalance generated by RUL balancing, which can reduce the MBESS useable capacity. Hence, this article first develops a general optimality criterion for RUL balancing, that holds for any battery whose degradation rate is a strictly convex function of power. Accordingly, an optimal RUL balancing method is proposed to maximize the MBESS lifespan, while limiting the SoC imbalance and adhering to operational constraints through a model predictive control framework. Simulation and experimental results verify the effectiveness of the proposed method.
S

SunView 深度解读

从阳光电源储能系统业务视角来看,这篇论文提出的模块化电池储能系统(MBESS)剩余寿命(RUL)均衡优化技术具有重要的工程应用价值。当前我司PowerStack、PowerTitan等大型储能产品均采用模块化架构,但实际运行中电池单元健康状态差异导致的"木桶效应"一直制约着系统整体寿命和经济性。

该技术的核心创新在于建立了基于功率分配的RUL均衡最优性准则,并通过模型预测控制框架在延长系统寿命的同时约束了荷电状态(SoC)的不平衡度。这直接解决了我司储能系统面临的两大痛点:其一,通过差异化功率分配使健康度较低的电池模块承担更少负荷,可显著延长整个储能系统的服役周期,提升项目全生命周期收益;其二,SoC不平衡约束确保了系统可用容量不会因均衡策略而大幅降低,这对于电网侧调峰调频等对容量敏感的应用场景至关重要。

从技术成熟度评估,该方法基于凸优化理论和MPC框架,具备较强的理论基础和实时控制可行性,论文已有仿真和实验验证,可纳入我司下一代储能系统BMS算法研发路线图。主要技术挑战在于:电池退化模型的准确性直接影响RUL预测精度,需要结合我司多年积累的电池数据建立更精准的寿命衰减模型;大规模储能系统中数千个电池模块的实时优化计算负荷较重,需要算法简化和边缘计算硬件支撑。

建议我司储能研究院与论文作者团队建立技术交流,将该算法集成到iSolarCloud云平台的智能运维系统中,形成差异化竞争优势,特别是在工商业储能和独立储能电站领域可显著提升产品竞争力。