CN114019399B - 一种锂离子电池储能电站最大寿命预测方法及系统 - Google Patents

一种锂离子电池储能电站最大寿命预测方法及系统 Download PDF

Info

Publication number
CN114019399B
CN114019399B CN202111274159.9A CN202111274159A CN114019399B CN 114019399 B CN114019399 B CN 114019399B CN 202111274159 A CN202111274159 A CN 202111274159A CN 114019399 B CN114019399 B CN 114019399B
Authority
CN
China
Prior art keywords
energy storage
power station
storage power
annual
ith year
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111274159.9A
Other languages
English (en)
Other versions
CN114019399A (zh
Inventor
郑华
刘斯伟
刘建琴
赵志强
谢莉
宋新甫
魏楠
安之
王诗铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
North China Electric Power University
Economic and Technological Research Institute of State Grid Xinjiang Electric Power Co Ltd
Original Assignee
State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
North China Electric Power University
Economic and Technological Research Institute of State Grid Xinjiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office, North China Electric Power University, Economic and Technological Research Institute of State Grid Xinjiang Electric Power Co Ltd filed Critical State Grid Economic And Technological Research Institute Co LtdB412 State Grid Office
Priority to CN202111274159.9A priority Critical patent/CN114019399B/zh
Publication of CN114019399A publication Critical patent/CN114019399A/zh
Application granted granted Critical
Publication of CN114019399B publication Critical patent/CN114019399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开一种锂离子电池储能电站最大寿命预测方法及系统，方法包括：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则计算调峰场景下锂离子电池储能电站最大寿命，如果n小于或等于N，则令i＝i+1，重新确定储能电站第i年总的年弃电量。本发明公开的方法不仅能够填补现有电网规划方法中无法考虑储能电站调峰场景的问题，还能够有效降低对规划年数据的需求及构建计算模型的复杂度。

Description

一种锂离子电池储能电站最大寿命预测方法及系统
技术领域
本发明涉及寿命预测技术领域，特别是涉及一种锂离子电池储能电站最大寿命预测方法及系统。
背景技术
随着化石能源供应紧张、温室效应等环境问题日益严峻，实现可再生能源转型是中国乃至全球能源发展的必然趋势。伴随着高比例新能源基地并网规模的持续增加，新能源出力的间歇性、随机性、低密度特征及大规模集中式的并网模式，给电网带来了电网潮流多变、系统调峰调频困难、新能源利用效率低等问题，电力系统运行面临严峻挑战。新能源的利用效率存在提升空间，而储能技术是构建新一代电力系统的关键技术，在高比例新能源系统中应用多元储能技术可为系统提供平滑新能源出力、跟踪发电计划、辅助系统调频、提供容量备用等多种支撑作用，可有效缓解高比例新能源并网带来的一系列问题。
一般而言，储能可分为电化学储能、物理储能、相变储能、电磁储能以及化学储能五大类。目前，除了抽水蓄能技术之外，在电力系统中，电化学储能技术最具有大规模应用的成本优势与技术潜力。其中，铅炭电池具有技术成熟、造价成本低等优点，但能量转换效率低、循环寿命短、能量密度低，目前在用户侧需求侧响应等场景中应用较多；液流电池具有循环寿命长、安全性高、充放电性能好的优点，但能量密度低、成本较高，适用于电网调峰、大规模可再生能源并网。锂离子电池具有高倍率充放电能力、比功率和比能量大等优点，但电池一致性要求高、存在热失控现象，可广泛适用于发电侧、电网侧和用户侧的各类场景。相较于其他电化学储能技术，锂离子电池是目前电力行业中应用最广泛、成本最具优势的电化学电池。
目前，锂离子电池储能电站寿命预测模型主要分为两类：一类是基于微观电化学电池物理反映方程的物理法，可以有效的反映小时间尺度的温度对于锂离子电池寿命的衰减影响，不适合大时间尺度的电网规划问题，更不适合电网规划调峰场景；另一类是基于大数据驱动的大数据法，可以有效的反映不同温度对于锂离子电池寿命的衰减影响，但由于目前电化学锂离子电站数量较少、运行时间较短，缺乏足够的数据积累，尚无法获取有代表性的、可适合于电网规划的数据集，但并不适合电网规划调峰场景。因此，如何针对锂离子电池储能电站寿命衰减估算问题，设计一种适合电网规划调峰场景的锂离子电池储能电站最大寿命预测方法成为本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的是提供一种锂离子电池储能电站最大寿命预测方法及系统，以实现基于电网规划调峰场景下对锂离子电池储能电站的最大寿命进行预测。
为实现上述目的，本发明提供了一种锂离子电池储能电站最大寿命预测方法，所述方法包括：
步骤S1：获取储能电站逐年年度废弃电曲线；
步骤S2：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；
步骤S3：根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；
步骤S4：判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“步骤S5”，如果n小于或等于N，则令i＝i+1，并返回“步骤S2”；
步骤S5：根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命。
可选地，所述基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量，具体包括：
步骤S21：基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
步骤S22：判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果/>小于或等于P0，则令/>
步骤S23：根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量。
可选地，所述根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n，具体包括：
步骤S31：根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数；
步骤S32：基于前i年的年等效循环次数计算储能电站的已使用循环次数n。
可选地，所述根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命，具体公式为：
其中，nii表示第i年剩余年等效循环次数，N表示总循环次数，n表示储能电站的已使用循环次数，ni表示储能电站第i年的年等效循环次数，L表示调峰场景下锂离子电池储能电站最大寿命。
可选地，所述根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数，具体公式为：
ni＝Mi/(W0*(b％-a％))；
其中，Mi表示储能电站第i年总的年弃电量，W0表示装机容量，b％表示放电深度DOD上限值，a％表示放电深度DOD下限值，ni表示储能电站第i年的年等效循环次数。
本发明还提供一种锂离子电池储能电站最大寿命预测系统，所述系统包括：
获取模块，用于获取储能电站逐年年度废弃电曲线；
年弃电量确定模块，用于基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；
已使用循环次数确定模块，用于根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；
判断模块，用于判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“最大寿命预测模块”，如果n小于或等于N，则令i＝i+1，并返回“年弃电量确定模块”；
最大寿命预测模块，用于根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命。
可选地，所述年弃电量确定模块，具体包括：
弃电功率确定单元，用于基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
判断单元，用于判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果小于或等于P0，则令/>
年弃电量确定单元，用于根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量。
可选地，所述已使用循环次数确定模块，具体包括：
年等效循环次数确定单元，用于根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数；
已使用循环次数确定单元，用于基于前i年的年等效循环次数计算储能电站的已使用循环次数n。
可选地，所述根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命，具体公式为：
其中，nii表示第i年剩余年等效循环次数，N表示总循环次数，n表示储能电站的已使用循环次数，ni表示储能电站第i年的年等效循环次数，L表示调峰场景下锂离子电池储能电站最大寿命。
可选地，所述根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数，具体公式为：
ni＝Mi/(W0*(b％-a％))；
其中，Mi表示储能电站第i年总的年弃电量，W0表示装机容量，b％表示放电深度DOD上限值，a％表示放电深度DOD下限值，ni表示储能电站第i年的年等效循环次数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种锂离子电池储能电站最大寿命预测方法及系统，方法包括：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则计算调峰场景下锂离子电池储能电站最大寿命，如果n小于或等于N，则令i＝i+1，重新确定储能电站第i年总的年弃电量。本发明公开的方法不仅能够填补现有电网规划方法中无法考虑储能电站调峰场景的问题，还能够有效降低对规划年数据的需求及构建计算模型的复杂度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明锂离子电池储能电站最大寿命预测方法流程图；
图2为本发明锂离子电池储能电站最大寿命预测方法具体流程图；
图3为本发明锂离子电池储能电站最大寿命预测系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种锂离子电池储能电站最大寿命预测方法及系统，以实现基于电网规划调峰场景下对锂离子电池储能电站的最大寿命进行预测。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1-图2所示，本发明公开一种锂离子电池储能电站最大寿命预测方法，所述方法包括：
步骤S1：获取储能电站逐年年度废弃电曲线。
步骤S2：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量。
步骤S3：根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n。
步骤S4：判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“步骤S5”，如果n小于或等于N，则令i＝i+1，并返回“步骤S2”。
步骤S5：根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命。
下面对各个步骤进行详细论述：
步骤S2：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量，具体包括：
步骤S21：基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
步骤S22：判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果/>小于或等于P0，则令/>
步骤S23：根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量，具体公式为：
其中，Mi表示储能电站第i年总的年弃电量，T表示第i年的时间周期，表示第i年第t时刻储能电站的充电功率。
步骤S3：根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n，具体包括：
步骤S31：根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数，具体公式为：
ni＝Mi/(W0*(b％-a％))；
其中，Mi表示储能电站第i年总的年弃电量，W0表示装机容量，b％表示放电深度DOD上限值，a％表示放电深度DOD下限值，ni表示储能电站第i年的年等效循环次数。
步骤S32：基于前i年的年等效循环次数计算储能电站的已使用循环次数n，具体公式为：
其中，n表示储能电站的已使用循环次数，nj表示储能电站第j年的年等效循环次数。
步骤S4：判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“步骤S8”，如果n小于或等于N，则令i＝i+1，并返回“步骤S2”。
步骤S5：根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命，具体公式为：
其中，nii表示第i年剩余年等效循环次数，N表示总循环次数，n表示储能电站的已使用循环次数，ni表示储能电站第i年的年等效循环次数，L表示调峰场景下锂离子电池储能电站最大寿命。
假设一个电站它的容量是1MWh，等效总循环次数N是5000次，那么它充放电5000MWh后就到了报废的年龄。nii指的是第i年剩余年等效循环次数，ni指的是第i年的等效循环次数，相除是为了计算不是整数年的情况。比如计算到第四年的时候n大于N了，假设此时ni是2000次，N是5000，n是6000，那么第四年的剩余等效循环次数nii就是1000次，1000除以2000是0.5年，那么电池的等效循环寿命就是4-1+0.5＝3.5年。
实施例2
如图3所示，本发明公开一种锂离子电池储能电站最大寿命预测系统，所述系统包括：
获取模块301，用于获取储能电站逐年年度废弃电曲线。
年弃电量确定模块302，用于基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量。
已使用循环次数确定模块303，用于根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n。
判断模块304，用于判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“最大寿命预测模块305”，如果n小于或等于N，则令i＝i+1，并返回“年弃电量确定模块302”。
最大寿命预测模块305，用于根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命。
作为一种可选的实施方式，本发明所述年弃电量确定模块302，具体包括：
弃电功率确定单元，用于基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
判断单元，用于判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果小于或等于P0，则令/>
年弃电量确定单元，用于根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量。
作为一种可选的实施方式，本发明所述已使用循环次数确定模块303，具体包括：
年等效循环次数确定单元，用于根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数。
已使用循环次数确定单元，用于基于前i年的年等效循环次数计算储能电站的已使用循环次数n。
与实施例1相同的公式在此不再一一赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种锂离子电池储能电站最大寿命预测方法，其特征在于，所述方法包括：
步骤S1：获取储能电站逐年年度废弃电曲线；
步骤S2：基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；
步骤S3：根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；
步骤S4：判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“步骤S5”，如果n小于或等于N，则令i＝i+1，并返回“步骤S2”；
步骤S5：根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命；
所述根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n，具体包括：
步骤S31：根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数；
步骤S32：基于前i年的年等效循环次数计算储能电站的已使用循环次数n；
所述根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命，具体公式为：
其中，nii表示第i年剩余年等效循环次数，N表示总循环次数，n表示储能电站的已使用循环次数，ni表示储能电站第i年的年等效循环次数，L表示调峰场景下锂离子电池储能电站最大寿命；
所述根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数，具体公式为：
ni＝Mi/(W0*(b％-a％))；
其中，Mi表示储能电站第i年总的年弃电量，W0表示装机容量，b％表示放电深度DOD上限值，a％表示放电深度DOD下限值，ni表示储能电站第i年的年等效循环次数。
2.根据权利要求1所述的锂离子电池储能电站最大寿命预测方法，其特征在于，所述基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量，具体包括：
步骤S21：基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
步骤S22：判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果/>小于或等于P0，则令/>
步骤S23：根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量。
3.一种锂离子电池储能电站最大寿命预测系统，其特征在于，所述系统包括：
获取模块，用于获取储能电站逐年年度废弃电曲线；
年弃电量确定模块，用于基于储能电站第i年的年度废弃电曲线确定储能电站第i年总的年弃电量；
已使用循环次数确定模块，用于根据储能电站第i年总的年弃电量计算储能电站的已使用循环次数n；
判断模块，用于判断储能电站的已使用循环次数n是否大于总循环次数N；如果n大于N，则执行“最大寿命预测模块”，如果n小于或等于N，则令i＝i+1，并返回“年弃电量确定模块”；
最大寿命预测模块，用于根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命；
所述已使用循环次数确定模块，具体包括：
年等效循环次数确定单元，用于根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数；
已使用循环次数确定单元，用于基于前i年的年等效循环次数计算储能电站的已使用循环次数n；
所述根据储能电站的已使用循环次数n、总循环次数N以及储能电站第i年的年等效循环次数计算调峰场景下锂离子电池储能电站最大寿命，具体公式为：
其中，nii表示第i年剩余年等效循环次数，N表示总循环次数，n表示储能电站的已使用循环次数，ni表示储能电站第i年的年等效循环次数，L表示调峰场景下锂离子电池储能电站最大寿命；
所述根据储能电站第i年总的年弃电量计算储能电站第i年的年等效循环次数，具体公式为：
ni＝Mi/(W0*(b％-a％))；
其中，Mi表示储能电站第i年总的年弃电量，W0表示装机容量，b％表示放电深度DOD上限值，a％表示放电深度DOD下限值，ni表示储能电站第i年的年等效循环次数。
4.根据权利要求3所述的锂离子电池储能电站最大寿命预测系统，其特征在于，所述年弃电量确定模块，具体包括：
弃电功率确定单元，用于基于储能电站第i年的年度废弃电曲线确定第i年第t时刻储能电站的弃电功率
判断单元，用于判断第i年第t时刻储能电站的弃电功率是否大于储能电站的额定功率P0；如果/>大于P0，则令第i年第t时刻储能电站的充电功率/>如果/>小于或等于P0，则令/>
年弃电量确定单元，用于根据第i年第t时刻储能电站的充电功率确定储能电站第i年总的年弃电量。
CN202111274159.9A 2021-10-29 2021-10-29 一种锂离子电池储能电站最大寿命预测方法及系统 Active CN114019399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111274159.9A CN114019399B (zh) 2021-10-29 2021-10-29 一种锂离子电池储能电站最大寿命预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111274159.9A CN114019399B (zh) 2021-10-29 2021-10-29 一种锂离子电池储能电站最大寿命预测方法及系统

Publications (2)

Publication Number Publication Date
CN114019399A CN114019399A (zh) 2022-02-08
CN114019399B true CN114019399B (zh) 2023-09-19

Family

ID=80059005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111274159.9A Active CN114019399B (zh) 2021-10-29 2021-10-29 一种锂离子电池储能电站最大寿命预测方法及系统

Country Status (1)

Country Link
CN (1) CN114019399B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058900A (zh) * 2016-07-21 2016-10-26 南京工程学院 一种并网风光发电中混合储能容量优化配置方法
CN108110780A (zh) * 2018-01-29 2018-06-01 广东电网有限责任公司电力科学研究院 一种孤立微电网储能容量优化配置方法及装置
CN108732499A (zh) * 2017-04-13 2018-11-02 中国电力科学研究院 一种检测锂离子电池循环寿命的方法和系统
CN110266031A (zh) * 2019-07-03 2019-09-20 北京国能驭新科技有限公司 发电侧储能并网充放电量控制方法、装置、服务器及存储介质
CN111224414A (zh) * 2019-10-23 2020-06-02 中国电力科学研究院有限公司 一种光储电站储能容量配置方法和装置
CN112147526A (zh) * 2019-06-28 2020-12-29 华北电力大学（保定） 一种基于混合储能配置的虚拟同步机电池寿命预测方法
CN112163700A (zh) * 2020-09-22 2021-01-01 清华大学 一种考虑储能电池循环寿命的电化学储能电站规划方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8849597B2 (en) * 2010-08-31 2014-09-30 Vestas Wind Systems A/S Estimation of remaining battery life in a wind energy application
US11226374B2 (en) * 2017-10-17 2022-01-18 The Board Of Trustees Of The Leland Stanford Junior University Data-driven model for lithium-ion battery capacity fade and lifetime prediction

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058900A (zh) * 2016-07-21 2016-10-26 南京工程学院 一种并网风光发电中混合储能容量优化配置方法
CN108732499A (zh) * 2017-04-13 2018-11-02 中国电力科学研究院 一种检测锂离子电池循环寿命的方法和系统
CN108110780A (zh) * 2018-01-29 2018-06-01 广东电网有限责任公司电力科学研究院 一种孤立微电网储能容量优化配置方法及装置
CN112147526A (zh) * 2019-06-28 2020-12-29 华北电力大学（保定） 一种基于混合储能配置的虚拟同步机电池寿命预测方法
CN110266031A (zh) * 2019-07-03 2019-09-20 北京国能驭新科技有限公司 发电侧储能并网充放电量控制方法、装置、服务器及存储介质
CN111224414A (zh) * 2019-10-23 2020-06-02 中国电力科学研究院有限公司 一种光储电站储能容量配置方法和装置
CN112163700A (zh) * 2020-09-22 2021-01-01 清华大学 一种考虑储能电池循环寿命的电化学储能电站规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Electrical energy storage systems: A comparative life cycle cost analysis;Behnam Zakeri 等;Renewable and Sustainable Energy Reviews;569-596 *
计及储能寿命与调频性能的风储联合投标模型及算法;王浩浩 等;《电网技术》;208-217 *

Also Published As

Publication number Publication date
CN114019399A (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
Abdalla et al. Integration of energy storage system and renewable energy sources based on artificial intelligence: An overview
Zhou et al. Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system
Jallouli et al. Sizing, techno-economic and generation management analysis of a stand alone photovoltaic power unit including storage devices
CN104283231B (zh) 实施双电池组在线运行策略的风储混合电站
Martinez Modeling and characterization of energy storage devices
Chen et al. Energy storage sizing for dispatchability of wind farm
Zhuo Microgrid energy management strategy with battery energy storage system and approximate dynamic programming
CN114123280A (zh) 一种考虑系统效率的电池储能电站能量管理方法
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
Gaetani-Liseo et al. Impacts of supercapacitors on battery lifetime in hybrid energy storage system in building integrated photovoltaic DC micro-grid
Ananda-Rao et al. Battery energy storage system assessment in a designed battery controller for load leveling and peak shaving applications
CN117254526B (zh) 一种光储充检微电网一体站能源协同优化控制方法
CN114019399B (zh) 一种锂离子电池储能电站最大寿命预测方法及系统
CN112036735A (zh) 一种用于光伏电站的储能系统的储能容量规划方法及系统
CN116667406A (zh) 基于非线性规划的储能充放电策略优化方法
Gaetani-Liseo et al. Identification of ESS Degradations Related to their Uses in Micro-Grids: application to a building lighting network with VRLA batteries
CN114019382B (zh) 一种锂离子电池储能电站寿命衰减确定方法及系统
CN109245143A (zh) 一种考虑锂离子电池寿命的储能调峰电站优化运行方法
Houari et al. Hybridization of electrical energy storage for intelligent integration of photovoltaics in electric networks
Krupa et al. Prospects for energy storage in the world and in Poland in the 2030 horizon
CN112736948A (zh) 一种充电站中储能系统的功率调节方法及装置
Abbes et al. Energy management and batteries lifespan estimation in a photovoltaïc system with hybrid storage a comparative study
CN115549091B (zh) 一种储能系统的多目标控制方法及系统
Xue et al. Peak Power Estimation Method of Vanadium Redox Flow Battery for Solar-Battery Powered Electric Vehicle Charging Stations
CN113890071B (zh) 计及抽蓄电站的电化学储能容量协同优化配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant