图1.2010-2020全球电动汽车销量及市场份额
图2.退役电池评估、梯次利用和回收过程
研究团队结合快速脉冲测试和机器学习方法，提出了针对锂离子电池的快速一致性筛选与剩余容量评估框架。与传统的长时间充放电测试相比，所提出的框架可以将评估时间缩短80%以上，平均准确率可达95%。过往研究表明，快速脉冲测试可以反映电池随着老化加深时内阻和电压平台的变化，从而反映出电池的老化程度。当给定一批容量未知的“退役电池”时，只需对其进行快速脉冲测试，将得到的脉冲电压曲线输入上述评估模型，即可输出其容量估计值。在此基础上，张璇、韦国丹、周光敏团队提出了一种基于电池健康状态（State of Health, SoH）在线评估的梯次利用电池优化调度模型。该模型使用卡尔曼滤波方法，通过结合基于高斯过程回归的离线健康状态预测和基于快速脉冲测试的在线容量评估，实现了梯次利用电池容量和退化速率的精准估计，并将该估计数据带入电池优化调度模型，从而生成计及可靠性及成本的光储系统优化调度方案。
图3.快速脉冲测试与机器学习算法相结合的电池容量评估
图4.六种不同电池的容量分布以及基于快速脉冲测试与高斯过程回归的容量估计
图5.电池健康状态在线评估框架
图6. 基于健康状态的梯次利用电池优化调度方法
此外，团队提出了一种基于电池健康状态的定价方法和评估梯次利用电池应用的可持续性指标，并研究对比了梯次利用电池在光储系统中不同典型场景下的可持续性表现及老化程度。研究结果表明，梯次利用电池的可持续性主要取决于它们的退化曲线，包括电池的健康状态和退化速率。较高初始容量和较慢退化速率的电池在可持续性表现方面更为出色。然而，当考虑其成本时，剩余容量不高且退化速率偏快的“退役电池”也具有很强的竞争力。
图7.梯次利用电池定价及其在并网光储系统中应用的可持续性评估
图8.不同优化调度方法的运行结果对比
上述关于电池剩余容量的快速评估相关成果以“基于两步学习方法的退役锂离子电池快速聚类”（Fast clustering of retired Lithium-ion batteries for secondary life with a two-step learning method）为题发表于《美国化学学会能源快报》（ACS Energy Letters）。清华大学深圳国际研究生院2019级博士研究生冉爱华和2021级硕士研究生梁正为论文的共同第一作者，清华大学深圳国际研究生院周光敏副教授、张璇助理教授和韦国丹副教授为通讯作者。
上述关于电池健康状态的优化调度、梯次利用电池定价与可持续性评估相关成果分别以“基于电池健康状态在线评估的梯次利用电池最优调度方法”（Optimal dispatch approach for second-life batteries considering degradation with online SoH estimation）和“光伏储能系统中梯次利用电池应用的可持续性评估”（Sustainability evaluation of second-life battery applications in grid-connected PV-battery systems）为题发表于《可再生与可持续能源评论》（Renewable and Sustainable Energy Reviews）和《电源杂志》（Journal of Power Sources）。清华大学深圳国际研究生院2019级博士研究生程铭为论文的第一作者，清华大学深圳国际研究生院张璇助理教授为通讯作者。
论文链接：
https://pubs.acs.org/doi/10.1021/acsenergylett.2c01898
https://doi.org/10.1016/j.rser.2022.113053
https://doi.org/10.1016/j.jpowsour.2022.232132
供稿：深圳国际研究生院
编辑：李华山
审核：郭玲
2023年05月08日 15:36:54
