储能锂电池模组SoE运行区间评估方法研究

陈豪，翟化欣，王开让，杨俊丰，巩宇

储能锂电池模组SoE运行区间评估方法研究

陈豪1，翟化欣2，王开让1，杨俊丰2，巩宇1

（1．国网冀北电力有限公司电力科学研究院，北京市 西城区 100045；2．国网新源张家口风光储示范电站有限公司，河北省 张家口市 075000）

为提高电池储能单元控制精度，保证储能系统高效稳定运行，研究了储能锂电池模组能量状态(state of energy，SoE)运行区间。在分析跟踪计划发电、风光功率平滑运行模拟工况，以及电池电压极差、电池电压标准差系数等评估指标的基础上，提出了储能锂电池模组SoE运行区间评估方法。然后，对实际运行的锂电池模组进行了跟踪计划发电、风光功率平滑模拟工况试验，并通过分析电池电压极差、电池电压标准差系数的变化，确定了2种运行工况下锂电池模组的SoE运行区间。研究结果表明，采用分析模拟工况试验中电池电压极差、电池电压标准差系数的方法能有效评估储能锂电池模组的SoE运行区间，为提高储能单元能量利用率提供了技术手段，对于保证锂电池储能系统高效稳定运行具有指导意义。

储能；锂电池模组；能量状态；跟踪计划发电；风光功率平滑；电池电压极差；电池电压标准差系数

0 引言

随着全球风电场、光伏电站等新能源发电工程迅速增加，作为抑制新能源发电间歇性、波动性有效手段的电池储能电站，特别是锂电池储能电站也不断增多，截至2018年4月，我国有60多个运行、在建及规划的储能项目[1-4]，其中国家电网公司14MW/63MW×h张北储能电站、南方电网公司4MW/16MW×h深圳宝清储能电站是国内应用锂电池储能技术的代表工程[5-6]。随着电池储能电站数量增多、运行时间延长，电池储能单元的运行状况越来越受到运行单位重视，而储能电池模组作为储能单元的主要组成部分，评估其SoE运行区间对于提高储能单元运行性能，保证储能系统高效稳定具有重要意义。

目前，国内对储能电池能量状态(state of energy，SoE)运行区间的研究较少，一般直接指定SoE运行区间并作为储能系统控制参数直接使用[7-8]。对电池SoE的研究则主要集中在对电池SoE的估算上，文献[9-10]对储能用磷酸铁锂电池单体SoE估算方法进行了研究，文献[11]则对电动汽车电池组的SoE估算方法进行了研究。

基于上述原因，本文对储能锂电池模组SoE运行区间进行了研究。研究结果表明，本文提出的评估方法能有效确定不同运行工况下储能锂电池模组SoE运行区间，为提高锂电池储能单元运行经济性提供了技术手段，对于锂电池储能系统高效稳定运行具有一定的指导意义。

1 评估方法

储能锂电池的运行状态能通过电池电压极差、电池电压标准差系数等运行参数的变化反映出来[12-13]。特别当储能锂电池模组运行在SoE区间两端时，例如接近0%或100%时，由于此时锂电池会因为接近充电上限电压或放电下限电压而导致电池极化电压迅速增加[14]，从而使得电池电压差异快速增大[15]，并最终引起电池电压极差、电池电压标准差系数的迅速增大。因此，可以通过分析电池电压极差、电池电压标准差系数在锂电池模组SoE运行区间的变化，特别是区间两端的变化，来判断储能锂电池模组是否能在该SoE区间正常运行。本文拟在研究跟踪计划发电、风光功率平滑模拟运行工况的基础上，结合电池电压极差、电池电压标准差系数等评估指标，采用不同SoE区间模拟运行试验的方法，研究储能锂电池模组合理的SoE运行区间，并形成相应的SoE运行区间评估方法。

1.1 模拟工况

1.1.1 跟踪计划发电工况

储能系统的跟踪计划发电工况是指，新能源场站根据调度下发的发电计划曲线，控制储能系统配合风电、光伏等新能源发电系统，跟踪调度发电计划曲线进行充放电的一种运行方式。本文储能锂电池模组模拟运行工况主要指电流运行工况，电压模拟运行曲线则是根据电流运行数据间接得到，SoE模拟运行曲线是根据电压、电流运行数据计算而来。跟踪计划发电模拟工况试验中储能锂电池模组电流试验曲线如图1所示，电压试验曲线如图2所示，SoE试验曲线如图3所示。

图1 跟踪计划发电模拟工况试验电流曲线

图2 跟踪计划发电模拟工况试验电压曲线

图3 跟踪计划发电模拟工况试验SoE曲线

从图1—3可以看出，由于模拟工况曲线是由实际运行数据经过简单加工提取而来，因此模拟试验曲线会显得规律性不强。但经过仔细甄别，仍可以得出其基本变化规律，即锂电池模组电流大且持续时间长、变化慢、充放电翻转不频繁，相应的单位时间内电压波动范围大、变化慢、曲线平缓，而SoE则在单位时间内波动范围大，电池模组充放电深度深。

1.1.2 风光功率平滑

储能系统的风光功率平滑工况是指，新能源场站根据风电场、光伏电站等并网技术规定的要求，控制储能系统充放电，平滑风电、光伏等新能源发电系统发电功率波动率，以满足相关调度要求的一种运行方式。与跟踪计划发电模拟工况相同，其试验数据也是由实际运行数据经过简单加工提取而来。风光功率平滑模拟工况试验中，储能锂电池组电流试验曲线如图4所示，电压试验曲线如图5所示，SoE试验曲线如图6所示。可以看出，与跟踪计划发电模拟工况试验时的电流、电压、SoE曲线不同，风光功率平滑模拟工况下锂电池模组电流幅值小且持续时间短，变化快且频率高，充放电翻转频繁，相对应单位时间内电压波动范围小，变化快且频率高，曲线较陡，而SoE则在单位时间内波动范围小，电池模组充放电深度浅。跟踪计划发电、风光功率平滑模拟工况下电流、电压、SoE比较情况见表1。

图4 风光功率平滑模拟工况试验电流曲线

图5 风光功率平滑模拟工况试验电压曲线

图6 风光功率平滑模拟工况试验SoE曲线

由表1可以看出，风光功率平滑模拟工况试验时的电流、电压、SoE变化情况与跟踪计划发电模拟工况试验时的正好相反，而这一情况在后续的实际试验中也会得以体现，并会影响储能锂电池模组的SoE运行区间。

表1 跟踪计划发电、风光功率平滑模拟工况中试验电流、电压、SoE比较

1.2 评估指标

1.2.1 电池电压极差

电池电压极差指同一电池模组中最大电池电压和最小电池电压的差值，该指标能直观反映电压最大或最小单体电池的性能[13]，计算公式为

由于锂电池模组是由大量锂电池串并联组成，当锂电池模组运行至SoE区间两端时，会由于电池性能差异而导致一两只性能较差电池电压“拖后腿”的情况发生，使得电池电压极差突然变大，从而反映出电池模组在SoE两端的运行状况。当锂电池模组运行到某一SoE，而此时电池电压极差已经超过规定阈值时，可以判定此时锂电池模组已不适合继续运行，此时SoE即为电池模组运行限值。

1.2.2 电池电压标准差系数

标准差系数又称离散系数，是从相对角度反映大量同类参数离散程度的数学指标。与电池电压极差相比，电池电压标准差系数能更直观反映电池电压的一致性，从而反映大量电池的整体性能的变化[13]，电池电压标准差系数计算式为

当锂电池模组运行至SoE区间两端时，如果一两只性能较差电池的电压“拖后腿”，或者电池模组整体性能发生劣化时，电池电压标准差系数都会明显增大，从而判断出SoE运行限值。由于电池电压标准差系数不仅能反映单体性能的变化，也能反映整组性能的变化，因此在电池模组SoE运行区间评估过程中，电压标准差系数是较电压极差更为敏感和有效的评估指标。

1.3 评估流程

基于跟踪计划发电、风光功率平滑模拟工况试验曲线，以及电池电压极差、电池电压标准差系数等评估指标，对储能锂电池模组SoE运行区间进行评估，评估流程如图7所示。首先进行不同SoE运行区间下储能锂电池模组模拟工况试验，然后分析各SoE运行区间电池电压极差、电池电压标准差系数的变化情况，并将各SoE运行区间电池电压极差、电池电压标准差系数与规定的阈值相比较，当电池电压极差或电池电压标准差系数超过阈值时，此时的试验区间即为SoE运行限值，最后即可得出锂电池模组SoE运行区间。

图7 储能锂电池模组SoE运行区间评估流程

2 实例分析

对实际运行的储能锂电池模组进行了跟踪计划发电、风光功率平滑模拟工况下的SoE运行区间评估，模拟试验电流曲线分别如图1和图4所示。通过改变SoE试验区间，使锂电池模组分别在20%~80%、15%~85%、10%~90%、5%~95%、0%~100% SoE区间进行模拟试验，试验过程中测量电池电压极差、电池电压标准差系数等评估参数并进行比较，根据参数的变化情况以及与阈值的比较情况，确定跟踪计划发电、风光功率平滑工况下锂电池模组的最优SoE运行区间。模拟试验中锂电池模组性能参数见表2，测试设备为美国Arbin公司的EVTS电池模组充放电仪。

表2 锂电池模组性能参数

2.1 跟踪计划发电SoE运行区间

2.1.1 电池电压极差

跟踪计划发电模拟工况试验中，20%~80%、15%~85%、10%~90%、5%~95%、0%~100% SoE试验区间储能锂电池模组电池电压极差曲线分别如图8—12所示，各SoE试验区间下电池电压极差最大值见表3。

从图8—11和表3可以看出，当锂电池组运行在20%~80%、15%~85%、10%~90%、5%~95% SoE区间时，电池电压极差曲线基本相同，最大电池电压极差都在27 mV以内。而当锂电池组运行在0%~100% SoE区间时，如图12所示，电池电压极差曲线在SoE接近0%的A区域和接近100%的B区域明显上升，在0% SoE的A区域电池电压极差达到了102mV，在100% SoE的B区域电池电压极差达到了最大值203mV。因此，当SoE试验区间从5%~95%变化到0%~100%时，最大电池电压极差变大了7.5倍。

图8 20%~80% SoE试验区间电池电压极差曲线

图9 15%~85% SoE试验区间电池电压极差曲线

图10 10%~90% SoE试验区间电池电压极差曲线

图11 5%~95% SoE试验区间电池电压极差曲线

图12 0%~100% SoE试验区间电池电压极差曲线

表3 不同SoE试验区间电池电压极差最大值

2.1.2 电池电压标准差系数

跟踪计划发电模拟工况试验中，20%~80%、15%~85%、10%~90%、5%~95%、0%~100% SoE试验区间储能锂电池模组电池电压标准差系数曲线分别如图13—17所示，各SoE试验区间下的电池电压标准差系数最大值见表4。

从图13—16和表4可以看出，当锂电池组运行在20%~80%、15%~85%、10%~90%、5%~95% SoE区间时，电池电压标准差系数曲线基本相同，最大电池电压标准差系数都在0.22%以内。而当锂电池组运行在0%~100% SoE区间时，电池电压标准差系数曲线在SoE接近0%的A区域和接近100%的B区域明显上升，在0% 的A区域电池电压标准差系数达到了0.95%，在100%的B区域电池电压标准差系数达到了最大值1.93%。因此，当SoE区间从5%~95%变化到0%~100% SoE区间时，锂电池模组的最大电池电压标准差系数变大了10倍。

图13 20%~80%SoE试验区间电压标准差系数曲线

图14 15%~85%SoE试验区间电压标准差系数曲线

图15 10%~90% SoE试验区间电压标准差系数曲线

图16 5%~95% SoE试验区间电压标准差系数曲线

图17 0%~100% SoE试验区间电压标准差系数曲线

表4 不同SoE试验区间电池电压标准差系数最大值

2.1.3 SoE运行区间

从表3、4可以看出，在跟踪计划发电运行方式下，当运行在0%~100% SoE区间时，最大电池电压极差达到了203mV，最大电池电压标准差系数达到1.93%，分别较5%~95% SoE区间的最大值增大了7.5倍和10倍，说明锂电池模组在0%~100% SoE区间内无法正常运行。如果将电池电压极差、电池电压标准差系数的阈值分别设置为50mV和0.5%，0%~100% SoE区间的电压极差和电压标准差系数已远远超出阈值。

而当锂电池模组运行在20%~80%、15%~85%、10%~90%、5%~95% SoE区间时，电池电压极差均在27mV以内，电池电压标准差系数均在0.22%以内，且电池电压极差、电池电压标准差系数曲线无明显差异，说明锂电池组在5%~95% SoE范围内能正常运行。因此，当电池电压极差、电池电压标准差系数阈值分别为50 mV和0.5%时，5%~95% SoE是锂电池模组在跟踪计划发电方式下的正常运行区间。

2.2 风光功率平滑SoE运行区间

2.2.1 电池电压极差

风光功率平滑模拟试验工况中，20%~80%、15%~85%、10%~90%、5%~95%、0%~100% SoE试验区间储能锂电池模组电池电压极差曲线分别如图18—22所示，各SoE试验区间电池电压极差最大值见表5。

从图18—21和表5可以看出，当锂电池组运行在20%~80%、15%~85%、10%~90%、5%~95% SoE区间时，电池电压极差曲线基本相同，最大电池电压极差都在23 mV以内。而当锂电池组运行在0%~100% SoE区间时，如图22所示，电池电压极差曲线在SoE接近100%的A区域明显上升，达到了最大值39 mV。因此，当SoE区间从5%~95%变化到0%~100% SoE区间时，电池电压极差最大值变大了1.8倍。

2.2.2 电池电压标准差系数

风光功率平滑模拟工况试验中，20%~80%、15%~85%、10%~90%、5%~95%、0%~100% SoE试验区间储能锂电池模组电池电压标准差系数曲线分别如图23—27所示，各SoE试验区间下的电池电压标准差系数最大值见表6。

图18 风光功率平滑工况下20%~80% SoE试验区间电池电压极差曲线

图19 风光功率平滑工况下15%~85% SoE试验区间电池电压极差曲线

图20 风光功率平滑工况下10%~90% SoE试验区间电池电压极差曲线

图21 风光功率平滑工况下5%~95% SoE试验区间电池电压极差曲线

图22 风光功率平滑工况0%~100%SoE试验区间电池电压极差曲线

表5 风功率平滑工况不同SoE试验区间电池电压极差最大值

从图23—26和表6可以看出，当锂电池组运行在20%~80%、15%~85%、10%~90%、5%~95%SoE区间时，与电池电极极差曲线相同，电池电压标准差系数曲线基本相同，最大电池电压标准差系数都在0.19%以内。而当锂电池模组运行在0%~100% SoE区间时，如图27所示，电池电压标准差系数曲线在SoE接近100%的A区域明显上升增大，达到最大值0.36%。因此，当SoE区间从5%~95%变化到0%~100% SoE区间时，最大电池电压标准差系数变大了1.9倍。

图23 风光功率平滑工况下20%~80% SoE试验区间电压标准差系数曲线

图24 风光功率平滑工况下15%~85% SoE试验区间电压标准差系数曲线

图25 风光功率平滑工况下10%~90% SoE试验区间电压标准差系数曲线

图26 风光功率平滑工况下5%~95% SoE试验区间电压标准差系数曲线

图27 风光功率平滑工况下0%~100% SoE试验区间电压标准差系数曲线

表6 风功率平滑工况下不同SoE试验区间电池电压标准差系数最大值

2.2.3 SoE运行区间

从表5、6可以看出，在风光功率平滑运行方式下，当锂电池模组运行在20%~80%、15~85%、10%~90%、5%~95% SoE等区间时，电池电压极差均在23 mV以内，电池电压标准差系数均在0.19%以内，且电池电压极差、电池电压标准差系数曲线无明显差异，说明在5%~95% SoE范围内能正常运行。

而当锂电池模组运行在0%~100% SoE区间时，虽然电池电压极差最大值增大为39 mV，电池电压标准差系数最大值增大为0.36%，但较5%~95% SoE区间的最大值只分别增大了1.8倍和1.9倍，而且电池电压极差、标准差系数曲线相比也无明显差异。与跟踪计划发电方式下相同，如果设电池电压极差、电池电压标准差系数的阈值分别为50 mV和0.5%时，则在0%~100% SoE区间的电池电压极差、电池电压标准差系数并未超标，说明在风光功率平滑方式下锂电池模组在0%～100% SoE区间内也可以正常运行。

2.3 SoE运行区间评估结果分析

跟踪计划发电、风光功率平滑模拟工况的试验数据对比结果如表7所示。由表7可以看出，在20%~80%、15%~85%、10%~90%、5%~95% SoE试验区间2种试验工况下的电池电压极差、电池电压标准差系数基本相同，而在0%~100% SoE试验区间，跟踪计划发电方式下电池电压极差、电池电压标准差系数的数值和变化量则比风光功率平滑方式下的要大得多，从而得出跟踪计划发电运行方式下SoE运行区间为5%~95%，而风光功率平滑运行方式下为0%~100%的结果。

表7 跟踪计划发电、风光功率平滑试验数据对比

同时，风光功率平滑方式的SoE运行区间比跟踪计划发电方式下的要大一些，这一点与表1中对2种模拟工况试验参数的分析也是一致的。与跟踪计划发电方式相比，风光功率平滑方式下锂电池模组的充放电电流幅值小，电压波动范围也小，SoE充放电深度浅，必然对电池的影响就小，从而SoE的运行范围更大，该评估结果也证明了本文提出的SoE运行区间评估方法的有效性。

另外，从表7中0%~100% SoE区间较5%~95%SoE区间电池电压极差、电池电压标准差系数最大值的变化率可以看出，2种模拟工况下电池电压标准差系数的变化率都比电池电压极差的大。特别是跟踪计划发电模拟试验中，电池电压极差增大了7.5倍，而电池电压标准差系数则增大了10倍。这说明在储能锂电池组SoE运行区间评估过程中，电池电压标准差系数能更有效反映SoE运行区间对电池模组性能的影响，是较电池电压极差更为敏感和有效的评估指标。

最后，与通常储能系统运行控制中20%~80%的SoE运行区间[16]相比，本文储能锂电池模组的运行区间在5%~95%，运行范围要大得多。这一方面是由于锂电池模组的规模较储能系统要小很多，缺陷电池的“短板效应”也要小很多，使得运行区间也要宽很多。另一方面也说明目前对储能系统SoE等重要运行参数的控制还比较粗放，实现精细化运行控制的空间还很大。如果能将本文所述SoE评估方法推广至电池组串或储能单元，必将提高锂电池储能系统运行的经济性，对于提高储能系统能量利用率、保证储能系统高效稳定运行具有重要意义。

3 结论

在分析跟踪计划发电、风光功率平滑模拟工况试验中储能锂电池模组电池电压极差、电池电压标准差系数基础上，提出了一种评估储能锂电池模组SoE运行区间的方法，并对实际运行的储能锂电池模组SoE运行区间进行了评估，结论如下：

1）提出了一种通过分析模拟运行工况试验中电池电压极差、电池电压标准差系数的变化，评估储能锂电池模组SoE运行区间的方法。采用该方法，确定了当电池电压极差、电池电压标准差系数阈值分别为50 mV和0.5%时，跟踪计划发电和风光功率平滑运行方式下的储能锂电池模组的SoE运行区间。

2）风光功率平滑SoE运行区间大于跟踪计划发电SoE运行区间。由于风光功率平滑方式下充放电电流幅值小，电压波动范围小，SoE充放电深度浅，使得其SoE运行区间较跟踪计划发电时要大，跟踪计划发电方式下为5%~95%，风光功率平滑方式下为0%~100%。同时2种运行工况下SoE运行区间不同，也证明了所提出的SoE运行区间评估方法的有效性。

3）电池电压标准差系数对锂电池模组SoE运行区间的变化比电池电压极差更敏感。跟踪计划发电、风光功率平滑模拟试验中，电池电压标准差系数在0%~100% SoE区间内的变化量都比电池电压极差的大，说明电池电压标准差系数能更有效反映SoE运行区间对锂电池模组性能的影响，从而能更有效地评估SoE运行区间。

4）提出的SoE运行区间评估方法有助于提高锂电池储能系统控制精度和能量利用率。采用该方法，将跟踪计划发电、风光功率平滑方式下储能锂电池模组的SoE运行区间扩展到了5%~95%，提高了锂电池模组的能量利用率。如果将该方法推广至电池组串或储能单元，不但能提高储能系统运行的经济性，而且有助于实现储能系统精细化运行控制，对于保证锂电池储能系统高效稳定运行具有重要意义。

[1] 赵健，王奕凡，谢桦，等．高渗透率可再生能源接入系统中储能应用综述[J]．中国电力，2019，52(4)：167-177．

[2] 孔玉明，王志清．大规模储能技术[J]．吉林水利，2018 (10)：57-58．

[3] 朱文韵．全球储能产业发展动态综述[J]．上海节能，2018，33(1)：2-8．

[4] 王浩清，王致杰，黄麒元，等．各类重要储能系统综述[J]．通信电源技术，2016 (3)：79-80．

[5] 封红丽．2016年全球储能技术发展现状与展望[J]．电器工业，2016 (10)：23-29．

[6] 张静．2015年储能市场盘点及未来前景：一个蓄势待发的产业[J]．电器工业，2016 (1)：53-57．

[7] 叶鹏，李山，何淼，等．风储孤网系统运行与控制研究综述[J]．电力系统保护与控制，2018，46(9)：163-170．

[8] 张静．储能辅助电网调频的控制策略研究[D]．南宁：广西大学，2018．

[9] Lin S L，Song W J，Lv J，et al．An SOE estimation model considering electrothermal effect for LiFePO4/C battery[J]．International Journal of Energy Research，2017，41(2)：2413-2420．

[10] Luo L，Song W J，Lin S L，et al．An electro-thermal model and its application on SOE estimation for LiFePO4/C Battery[J]．Chinese Journal of Scientific Instrument，2015，36(Z1)：343-347．

[11] 龚敏明，王占国，马泽宇，等．串联电池组的SoE估算方法[J]．北京交通大学学报，2013，37(2)：74-78．

[12] 陈豪，刁嘉，白恺，等．储能锂电池运行状态综合评估指标研究[J]．中国电力，2016，49(5)：149-156．

[13] 王海滨，陈豪，董建明，等．锂电池储能单元运行状态评估技术研究[J]．华北电力技术，2016 (3)：8-17．

[14] 姚雷，王震坡．锂离子电池极化电压特性分析[J]．北京理工大学学报，2014，34(9)：912-916．

[15] 汪奂伶．基于特性区间的储能磷酸铁锂电池SoE估算方法研究[D]．北京：中国电力科学研究院，2017．

[16] 李相俊，王上行，惠东．电池储能系统运行控制与应用方法综述及展望[J]．电网技术，2017，41(10)：3315-3325．

Research on Evaluation Method of SoE Operation Region for Energy Storage Lithium Battery Module

CHEN Hao1, ZHAI Huaxin2, WANG Kairang1, YANG Junfeng2, GONG Yu1

(1. Power Research Institute of State Grid Jibei Electric Power Company Limited, Xicheng District, Beijing 100045, China;2. State Grid Xinyuan Zhangjiakou Wind Power and Photovoltaic and Energy Storage Demonstration Station Co., Ltd., Zhangjiakou 075000, Hebei Province, China)

The state of energy(SoE) operation region of energy storage lithium battery module was studied in order to improve the control precision and ensure the efficient and stable operation of the battery energy storage system. Base on the analysis of the simulated operating condition of tracking power generation schedule and wind-PV power stabilization, as well as the evaluation indicators, such as range and coefficient of standard deviation of battery voltage, the evaluation method of the SoE operation region for the energy storage lithium battery module was put forward. The actual energy storage lithium battery modulewas tested in the simulation experiment of tracking power generation schedule and wind-PV power stabilization. The SOE operation range of the lithium battery module under the two operating conditions was determined by analyzing the variation of the battery voltage range and the standard deviation coefficient of the battery voltage. The result show that the SoE operation region of the energy storage lithium battery module can be confirmed effectively according to the range and coefficient of standard deviation of battery voltage in the simulated operation experiment. It provides technical means for the energy utilization improvement of energy storage unit, and it has guiding significance to ensure the lithium BESS running efficiency and stability.

energy storage; lithium battery module; state of energy; tracking power generation schedule; wind-PV power stabilization; range of battery voltage; coefficient of standard deviation of battery voltage

10.12096/j.2096-4528.pgt.19112

2019-08-06。

国家电网公司科技项目(52010119002F)。

Project Supported by Science and Technology Project of State Grid Corporation of China (52010119000W).

(责任编辑 辛培裕)