简介:摘要:随着当前电化学储能技术的广泛应用,电池储能电站的安全运维问题日渐突出。传统电池管理系统仅能获得各电池单体的电压、电流及温度,并且受限于硬件处理能力、数据传输带宽及延迟等条件,掌握海量电池单体储能系统的健康与安全运行状态成为关键技术难题。机器学习方法在锂离子电池运行状态预测领域的应用为储能电池系统安全管理创造了条件。针对锂离子电池安全管理需求,首先对锂离子电池滥用及热失控风险机理的相关研究进行了介绍。随后,讨论了锂离子电池管理系统架构及其应用特点,并详细论述了机器学习方法在锂离子电池健康与安全状态分析方面的应用。最后,对储能电站锂离子电池的安全管理进行了展望。
简介:摘要:随着电化学储能电站装机容量的不断提高,其安全风险及防控问题越来越受到重视。电化学储能通过快速充电消解风光高发的冲击,在新能源低发时进行放电,可有效降低新能源发电对电网的冲击。储能电站普遍采用的定期检修策略,因检修周期较为固定,难以及时发现安全隐患,同时储能元件数量多、故障类型多,且离线检测的防控方法耗时长、成本高、运检工作量大,检修效率低,在推广利用过程中也带来了新的安全风险。基于储能电池特点及电化学储能电站安全风险的分析,提出健全储能电站消防设施、加大储能安全类技术研发、制定完善的标准规范等可行性较高的控制措施和安全风险防范对策,以提升电化学储能电站安全风险管控能力。
简介:摘要当前由于用户用电量较低,存在光伏电力无法就地消纳的问题,而储能系统消纳性能也具有缺陷,故提出面向新能源消纳的分布式光伏储能系统优化配置方法研究。以电网净收益为目标函数,构建分布式光伏储能系统优化配置模型,以此为基础,推出模型求解算法——SAPSO算法,计算光伏电网潮流变量,基于SSAPSO算法求解构建模型,算法输出结果即为分布式光伏储能系统优化配置结果。实验结果显示,光伏自消纳率与储能容量均能满足分布式光伏电力消纳需求,光伏电网整体效益得到增加,通过本文研究为分布式光伏发电技术发展.