中国储能网讯：9月10-11日，由中国化学与物理电源行业协会、南方科技大学碳中和能源研究院、南方电网能源发展研究院联合100余家机构共同支持的碳中和能源高峰论坛暨第三届中国国际新型储能技术及工程应用大会在深圳召开。此次大会主题是“绿色、经济、安全、发展”。

来自行业主管机构、国内外驻华机构、科研单位、电网企业、发电企业、系统集成商、金融机构等不同领域的600余家产业链企业，1317位嘉宾参加了本届大会。

11日上午，长沙理工大学电气与信息工程学院教授、博士生导师夏向阳受邀在“新能源动力系统控制技术专场”分享了主题报告，主题为《电化学储能电站电池健康状态的智慧数据分析》。

夏向阳：大家下午好，我是来自长沙理工大学的夏向阳！我汇报的题目是《电化学储能电站电池健康状态的智慧数据分析》。

我将从以下五个部分向各位专家做汇报，首先看背景，大家都很清楚，从风光可再生能源在能源消费结构中的比重逐渐增大，2020年化石占比是81.7%，到2050年预计化石能源只占到40%，这也是“双碳目标”。而可再生能源发电从2020年的14%到2050年要占到50.3%，这也是我们2050年的目标，说明到2050年以后，我们的新能源占比已经超过了一半以上。这么多新能源，大家都清楚，它的不稳定性会直接影响到电力系统的安全，而储能技术作为支撑新型电力系统稳定最重要的技术和基础装备之一。

右下图可以看到，这是大型量的储能电站，锂电池在作为一个密闭空间，在外界的诱因下，存储的能量会发生热失控，导致灾害事故的发生，所以储能的安全存在挑战。怎样准确判断电池的健康状态呢？它的安全怎样呢？这是我们很关心的问题。

我们对电池的研究很多，数据分析也有很多方法，基本归为三类：一类是直接实验，利用全充全放获取电池现有的可用容量，通过电化学的阻抗法，获取电池的特性，这是一种方式，就是直接实验。第二类是建立模型，现在用得比较多的一阶模型、二阶模型等等，通过模型的输入，看看电池的老化程度。第三类就是数据驱动，现在有大量的数据进行分析，像基于回归模型，支持向量回归机模型等，通过大量的数据判断电池状态。

接下来看看现在能采集到的电池的数据，我们团队有个很好的研究基础和平台，分析数据来源非常较多关键，我也希望在座各位同仁在数据上能进行分享合作，现在我们主要的四个数据来源：第一个是跟国网湖南电力公司共建的“规模化电池储能应用技术”湖南省工程研究中心，如芙蓉储能站，大灵山储能站等数据我们都可以共享。第二个是我们学校购置了一个平台，100千瓦时/200千瓦时的储能平台，虽然比较小，但所有的BMS和EMS都齐全。第三个是长沙理工大学 学校有一个威小电流电芯的测试平台。第四是美国国家NASA、马里兰大学公开电池老化数据。

电池管理系统，单个电芯的电压、温度和电池状态都可以实现在线监测，单个电池簇的平均电压、最高电压、最低电压、平均温度、最高温度、最低温度、SOH等电池外特性参数均可以进行测试。

这些现有的数据怎么分析呢？大家可以看到，我们现在运行的这些BMS，可以算出电池簇的累计充电电量，包括整个电站的运营过程中存储大量的属性特性，以湖南某储能电站为例，可以检测到电流、电压、温度、累计充电量、累计放电量、荷电状态、健康状态。其中像电流、电压、温度等直接采用传感器测量。像充电电量，多少荷电量，都是通过算法算出来的，这些都就是现在运行情况的状态。

我们怎么在这个基础上更深一步呢？这就是我们团队提出的，在这个基础上如何 继续提升更多的特征量，呢？我们发现容量的变化量、能量的变化量、电压的变化量、电流的变化量和时间的变化量，以及上述数据的二次处理如熵值等，跟电池的健康状态有很大的关系。电池的老化过程中，我们的能量变化曲线可以看到，同时容量的突变等等，都有一些老化的特征，同时可以看到采样的点数，我们采样的点数是电池的老化，包括时间的变化量，随着时间变长电池是逐渐老化的变化的趋势，包括容量增量的曲线，温度变化等等，这些特征量可能更能准确表现电池的老化状态。我们对这些数据进行直接或间接的监测，对数据的变化率、熵、有序度等进行再处理，来实现对电池的有效评估。突变量更能体现它衰老前的前兆。

同时我们有一个电池堆健康判断方法，通过对电池堆簇的放电电量的对应关系，我们来求得它的变化率及健康状态。

同时电流、电压、温度这些东西对我们来说是外特征，我们可以从外面测量到。而电池里面的内在特征怎么样，运行过程会发生什么变化呢？在座各位从储能来说，化学特征变化就是我们常说的电阻和电容等电压。所以我们通过这图些可以看到，在不同的充电深度循环老化过程中，它的内在特征有没有发生变化。我们可以看到，随着循环次数的增加，换电容量的增加，欧姆内阻慢慢往上走，极化内阻也在慢慢往上走。（见PPT）这些特征才能真正反映它的衰老情况。我们在这个基础上，右边这个模型，R、电阻、电容以前大家设定为固定组，现在设定为变化参数，随着充放电使用次数的增多，或者使用环境变化，电阻电容是变化的，这才能准确反映电池的衰老状态。

还有一个问题，就是在使用过程中发现大量的数据，每天上百万条的数据，这些数据对我们来说很多是无用的。同时有些数据是缺失的，如何对这些数据进行整理和处理，这也是我们在智慧处理的方法。像异常数据检测和特征数据读取、筛选等等，我们把每天大量的数据进行分析处理，提取有用的数据进行分析，才能得出准确的效果。

我们团队在能够准确判断电池状态以后，如何在这个基础上实现安全并网，因为我是博士，学电气的，我们更多是研究如何在把储能系统跟电网进行结合。电网要求是 对安全性要求很高的，如果储能系统接上电网带来不稳定的话，肯定不要 能接上去。所以我们团队提出，储能系统主动安全运行研究，储能系统在安全的情况下并上电网，如何并，这是我们团队研究的方向。

第一，基于特征数据信息熵的锂离子储能电站电芯健康状态评估与预测方法，我们从电芯、电池PACK、电池簇、电池堆，我们进行了大量的分析，通过大量的数据分析，得出电池异常老化的情况。右下角是电池的布局分布，某些电池的异常情况，通过这些东西特性可以知道，某些电芯出现什么情况。这个成果我们已在国外期刊上也发表了。

我们是怎么样实现呢？我们相当于在BMS系统中抓取一套系统，同时数据送到我们开发的电池评价系统，这些数据是并行的，可以同时处理，我们可以在下面进行边缘计算，算出电芯的健康情况，跟BMS并行，不影响数据采集，数据也是这个系统，我们进行大量分析。同时把数据算完以后，送到EMS，提供一个控制策略评价的依据。怎么控制？这里有很多电池簇，是投哪簇？怎么投？如果我们发现电池簇1出现问题或者老化，怎么办？我们是不是改为投电池簇2或者3，我们通过算法能够算出电池簇存在的老化情况，我们是不是能够改变它的控制方式，而不是按照常规的。所以我们将来更多是以功率平衡、损耗、荷电状态、避免谐振、健康状态、经济指标等来实现储能电站安全经济性，这个研究结论我们在《电工技术学报》和《太阳能学报》等期刊上已经发表了，所以储能的安全直接支撑了将来的并网控制。

结论：我们也做研发了一套电池健康状态评价系统，已经调试过了，我刚才跟一位专家也说到，我们有很多数据，但是我们没有裂化数据，就是我们的极化电阻、极化电容和内阻的老化阀值，到了什么时候会发生事故，就是我们说的热失控。我们没有这个数据，现在特别希望在座的各位将来能加强合作，把裂化数据的阈值发现出来，如果发现出来以后：第一可以对电池进行在线监测，这个比我们现在用的电池充放电3000次、5000次、上万次，比这种方式更能准确判断电池的寿命和衰老状态。我们主要在电池的健康特征和自身健康的关系方面进行研究。第二能提取反映电池健康状态的数据特征量，健康状态用数据特征量来表达。第三依据计算特征数据熵值大小来判断有序程度，实现对簇内电芯老化程度及均衡性的分析判断。电池不一致性也是在座各位谈论很多的，也是影响电池的因素之一。第四是实现控制储能系统多变流器协同支撑电网的安全运行，提升储能电站整体安全性。昨天多个专家谈到说了，华智科技也谈到这个，提高储能电站的整体安全性。我相信只要把这些因素做好，储能系统才能更好地在电网和其他地方做得运行更安全、更可靠，储能行业才能做大做强。

谢谢！

【责任编辑：周晓晴】