电池储能系统状态估计综述.pdfVIP

第55卷第6期中南大学学报(自然科学版)Vol.55No.6

2024年6月JournalofCentralSouthUniversity(ScienceandTechnology)Jun.2024

DOI:10.11817/j.issn.1672-7207.2024.06.023

引用格式：孙玉树,龚一莼,董亮,等.电池储能系统状态估计综述[J].中南大学学报(自然科学版),2024,55(6):2320−2333.

Citation:SUNYushu,GONGYichun,DONGLiang,etal.Reviewofstateestimationforbatteryenergystoragesystems[J].Journalof

CentralSouthUniversity(ScienceandTechnology),2024,55(6):2320−2333.

电池储能系统状态估计综述

1,2345612

孙玉树，龚一莼，董亮，王晓晨，闫月君，唐西胜，党艳阳

(1.中国科学院电工研究所，北京，100190；

2.特变电工股份有限公司，新疆昌吉，831100；

3.国网能源研究院有限公司，北京，102209；

4.东方绿色能源(河北)有限公司沧州分公司，河北沧州，061000；

5.中国矿产资源集团有限公司，河北雄安，071708；

6.阿里巴巴集团，北京，100015)

摘要：为了提高多场景应用的技术经济性，本文对电池储能系统状态估计进行了综述。首先，分析了电池

性能衰减的机理，介绍了目前常用的物理建模和数据建模方法，进而对荷电状态(stateofcharge，SOC)和

健康状态(stateofhealth，SOH)进行了定义与关联性分析，并对电池及其系统的状态估计方法进行了汇总；

其次，为了获取更多精确的电池运行数据，重点介绍了能够刻画电池内部演化机理的原位/非原位表征技

术，进而分析了嵌入式电池管理系统(batterymanagementsystem，BMS)实际应用的主流开发路线；第三，

提出了基于联邦学习的电池储能系统状态估计方法，基于轻量化模型在本地进行电池储能系统SOC的估计

以保证控制实时性，基于大数据驱动策略在云中心进行其SOH估计以保证容量可信度，由此实现云边的交

互与协同；最后，对电池储能系统未来可能的发展方向和研究重点进行了预测。研究结果表明：活性锂损

失是锂离子电池容量衰退的主要原因，高温、低温、过充放等滥用也会加速电池性能衰减；数据驱动在电

池系统级建模与状态评估方面具有较大优势；利用原位/非原位表征技术可以获取更多的电池内部状态数

据，基于FPGA的BMS轻量化建模更易实现，基于联邦学习的状态评估方法能够提高电池储能系统的智慧

化运维水平。

关键词：电池储能系统；性能衰减机理；状态估计；原位/非原位表征技术；轻量化BMS；联邦学习

中图分类号：TM912文献标志码：A

文章编号：1672-7207（2024）06-2320-14

Reviewofstateestimationforbatteryenergystoragesystems

1,2345