APP下载

基于BP神经网络的梯次利用电池健康状态诊断

2021-07-31李勇琦雷旗开王浩华思聪

综合智慧能源 2021年7期

李勇琦,雷旗开,王浩,华思聪

(1.南方电网调峰调频发电有限公司,广州 510630;2.先进储能技术联合实验室,广州 510630;3.杭州高特电子设备股份有限公司,杭州 310012)

0 引言

新能源产业是当前经济发展中的亮点,而逐年增长的电动汽车动力电池退役规模也成为了社会关注的焦点,退役电池的处置问题促进了新技术的发展。在此背景下,电池梯次利用技术应运而生,它能将退役电池进行改造以实现多级使用[1]。该技术不仅能应用于典型的储能场所,有效参与电网调峰调频,还能最大程度地挖掘电池的潜力,实现电池材料的全生命周期管理[2]。

电池梯次利用首先需要保障储能系统的可用性和安全性,这很大程度上取决于退役电池的健康状态(State of Health,SOH),SOH 是评估电池寿命的主要依据[3-6]。

当前退役动力电池性能与健康状态差异大,分类困难[7]。在梯次利用电池的分选上,常规参数测试的周期较长,会消耗大量非必要的人工和时间;另外,健康状态不一致的退役电池在同一个储能系统长时间运行,电池性能会不断失衡、温升会日益加剧,从而给系统内部的稳定性埋下一定隐患。因此,须建立一种高效、快速的梯次利用电池SOH 诊断方法[8],强化分选能力,增强系统经济性,从而提升整个电池产业的水平,为储能系统安全性提供更多的技术支持。

1 电池健康状态的影响因素

SOH 的定义为动力电池按照一定的放电倍率放电时,电池由充满电的状态放电到截止电压时所放出的最大容量(Cnow)与其标称容量(CN)的比值,即

登录APP查看全文