Nyheter - Nyckelteknologier och utvecklingsmöjligheter för litiumbatteriets energilagringssystem

Polaris Energy Storage Network News: Forum för Urban Energy Internet Development (Beijing) 2017 och Energy Internet Demonstration Project Seminarium för konstruktion och samarbete hölls den 1 december 2017 i Peking. På eftermiddagen till det tekniska forumet höll Jiang Jiuchun, chef för National Energy Active Distribution Network Technology R & D Center, ett tal om temat: nyckelteknologier för litiumbatteri energilagringssystem.

Jiang Jiuchun, chef för National Energy Active Distribution Network Technology R & D Center:

Jag talar om batterilagring. Vårt Jiaotong universitet har lagrat energilagring, från kraftsystem och elfordon till järnvägstransport. Idag talar vi om några av de saker vi gör i kraftsystemapplikationer.

Våra huvudsakliga forskningsinstruktioner: en är mikronät och en är batteriapplikation. Vid batteriapplikation använde de tidigaste elbilarna vi använde energilagring i kraftsystemet.

När det gäller den viktigaste frågan om batterilagring är den första frågan säkerhet. den andra är livslängd och sedan hög effektivitet.

För energilagringssystem är säkerheten och effektiviteten först att tänka på. Hållbarhet till effektivitet, hastighet för transformatorer och livslängd, såväl som energianvändning efter batterifall, är kanske inte ett kvantifierat problem i många fall. Indikatorer för att beskriva det, men det bör vara mycket viktigt för energilagring. Vi hoppas att vi genom flera saker kan lösa problemet med säkert liv och hög effektivitet. Ett standardiserat energilagringssystem och ett kartanalyssystem för batteristatus används i elektriska fordon och kollektivtrafiksystem.

För närvarande förbättrar användningen av energilagringssystem, nodkontroller och intelligenta distributionslådor som alla använder, den totala ekonomin och stabiliteten i systemet, förbättrar kärnvärdet för systemintegratorer och kan vara vänlig tillgång till backend-molnet plattform.

Detta är ett centraliserat energiplaneringssystem. Denna hierarkiska struktur har gjorts mycket tydlig i morse, och vi kan uppnå en långsiktig optimal schemaläggning av samordnade lagringskraftverk och mikrogridsaggregat med flera noder via multikodkontroller.

Nu görs det till ett standardintagent intelligent kraftdistributionsskåp. Detta är den grundläggande funktionen i elfördelningsskåpet. Den innehåller olika funktioner, såsom laddnings- och urladdningsfunktioner, automatiskt skydd och gränssnittsfunktioner. Detta är standardutrustning.

Nodkontrollern implementerar lokal kärnutrustning för energihantering, viktigaste datainsamlingsfunktioner, övervakning, lagring, exekveringshanteringsstrategier och överföring. Det finns ett problem här som kräver seriös och fördjupad undersökning av dataproveringshastigheten och tiden för dataprovtagning när data laddas upp. På detta sätt implementeras analysen av batteridata i bakgrunden till batteriet och underhållet av batteriet förvandlas till intelligent underhåll. Gör lite, i slutändan, hur stort antal prover är, eller hur snabbt är lagringsutrymmet, för att fullständigt beskriva batteriets nuvarande tillstånd.

Om jag kör en elbil kommer du att upptäcka att många elbilar är i ett tillstånd som ofta byter och hoppar. Faktum är att energilagring står inför samma problem i energisystem för energisystem. Vi hoppas kunna lösa det genom data. Vi har en BMS-provstorlek som är lämplig.

Låt mig prata om flexibel energilagring. Alla säger att jag kan göra det 6 000 gånger och det kan användas tusen gånger i en bil. Det är svårt att säga. Du kan hjälpa det som ett energilagringssystem och säger vara 5 000 gånger. Hur mycket är utnyttjandegraden, eftersom själva batteriet har ett stort problem, batteriets nedgång är slumpmässigt under lågkonjunkturen, varje batteri minskar annorlunda, och skillnaden mellan de enskilda cellerna blir mer och mer olik inkonsekvensen hos tillverkarens batterifall är också annorlunda. Hur mycket energi kan denna grupp batterier använda och energin är tillgänglig? Detta är ett problem som kräver noggrann analys. Till exempel, när elektriska fordon för närvarande används, används de från 10 till 90%, och lågkonjunkturen kan endast använda 60% till 70% i viss utsträckning, vilket utgör en stor utmaning för energilagring.

Kan vi använda gruppering enligt lagen om förfall för att göra en kompromiss, hur stort är det rätta valet för att få bättre prestanda och bättre effektivitet, hoppas vi att gruppera det enligt lagen om batteri förfall, 20 grenar som en nod är om det är mer lämpligt eller 40 är mer lämpligt, vilket gör en balans mellan effektivitet och kraftelektronik. Så vi gör något åt ​​flexibel energilagring, vilket också är vårt projekt för att göra den här saken. Naturligtvis finns det en bättre plats att använda den i kaskader. Jag tror att kaskadanvändning har visst värde under de senaste två åren, men det är värt att använda i framtiden, men också tänka på effektiviteten i laddning och urladdning, när batteriets pris sjunker. Det finns några problem med att kaskader. Flexibel gruppering kan lösa stora problem. En annan typ av hög modularitet minskar kostnaden för hela systemet. Den största kan förbättra utnyttjandegraden.

Liksom ett batteri som används i en bil tre år senare, är nedgången mindre än 8%, och utnyttjandegraden är bara 60%. Det beror på skillnaden. Om du gör 5 uppsättningar av utnyttjandegraden kan du uppnå 70%, vilket kan förbättra utnyttjandegraden. Strängning av batterimoduler kan också förbättra batterianvändningen. Efter underhåll ökade energilagring med 33%.

 

När man tittar på det här exemplet kan det efter balansering ökas med 7%, efter flexibel gruppering ökade jag med 3,5% och balansering kan öka med 7%. Flexibel gruppering kan ge en fördel. I själva verket är orsaken till att olika tillverkares batteriförbrukning är annorlunda. Det är nödvändigt att veta i förväg vad denna grupp av batterier kommer att bli eller vad parameterdistributionen kommer att bli, och sedan gör du en riktad optimering.

Detta är ett schema som antagits, modulen full effekt oberoende strömstyrning, som inte är lämplig för applikationer med hög effekt.

En del av modulens effekt styrs oberoende av ström. Denna krets är lämplig för medel- och högspänning och upprepad användning. Detta är MMC-batterilagringslösningen som är lämplig för högspänning och hög effekt.

Även om batteristatusanalys. Jag har alltid sagt att batterikapaciteten är inkonsekvent, nedgången är slumpmässig, batteriets åldrande är inkonsekvent, och kapaciteten och det interna motståndet är mycket reducerat. Om du använder denna parameter för att karakterisera, desto mer använder du kapaciteten och det interna motståndet. Om du vill hitta ett sätt att upprätthålla konsistens måste du utvärdera SOC-skillnaden för varje batteri, hur du utvärderar SOC för denna enstaka cell, och sedan kan du säga hur detta batteri är inkonsekvent och hur mycket den maximala effekten kan vara . Hur får man en enda SOC genom att behålla batteriet genom SOC? Den nuvarande metoden är att sätta BMS på batterisystemet och uppskatta denna SOC online i realtid. Vi vill beskriva det på ett annat sätt. Vi hoppas kunna köra de samplade uppgifterna till bakgrunden. Vi analyserar batteriet SOC och batteriet genom bakgrundsdata. SOH, optimera batteriet på denna basis. Därför hoppas vi att bilbatteriedata, inte big data, är en dataplattform. Genom maskininlärning och gruvdrift utvidgas SOH-uppskattningsmodellen och en hanteringsstrategi för full laddning och urladdning av batterisystemet ges baserat på uppskattningsresultaten.

När uppgifterna har kommit upp, finns det en annan fördel, jag kan ge en tidig varning om batteriets hälsostatus. Batteribränder inträffar fortfarande ofta och energilagringssystemet måste vara säkert. Vi hoppas göra information i realtid och tidig varning på medellång och lång sikt genom bakgrundsdataanalys, hitta kortsiktiga och långsiktiga varningsmetoder online för potentiella säkerhetsrisker och slutligen förbättra säkerheten och tillförlitligheten i hela systemet.

Genom detta kan jag uppnå flera aspekter i stor skala, en är att öka energiförbrukningen i systemet, den andra är att förlänga batteriets livslängd, och den tredje är att säkerställa säkerhet, och detta energilagringssystem kan fungera pålitligt .

Hur mycket data behöver jag ladda upp för att uppfylla mina krav? Jag måste hitta det minsta batteriet som uppfyller batteriets driftstillstånd. Dessa data kan stödja analysen bakom, data kan inte vara för stora, en stor mängd data är faktiskt mycket stor för hela nätverket A belastning. Tiotals millisekunder tar du spänningen och strömmen för varje batteri, vilket är orealiserbart när du skickar det till bakgrunden. Vi har hittat ett sätt nu, vi kan berätta för dig, vilken samplingsfrekvens ska vara, vilka karakteristiska data behöver du skicka. Vi komprimerar helt enkelt dessa data och skickar dem sedan till nätverket. Parametern för batterikurva är ett millisekund, vilket är tillräckligt för att tillgodose behoven för batteriutvärdering. Våra dataregister är väldigt, väldigt få.

Den sista, säger vi BMS, blir kostnaden för energilagring viktigare än kostnaden för batterier. Om du lägger till alla funktioner i BMS kan du inte sänka kostnaden för denna BMS. Eftersom informationen kan skickas kan det finnas en kraftfull analysplattform bakom mig. Jag kan förenkla det framför. Det finns bara dataprover eller enkelt skydd framtill. Gör en mycket enkel SOC-beräkning, andra data skickas från bakgrunden, det här är vad vi gör nu, hela tillståndsuppskattningen och sampling av BMS nedan, vi passerar energilagringsnodkontrollen och slutligen över till nätverket, energi lagring Nodkontrollern kommer att ha en viss algoritm, följande är i princip detektering och utjämning. Den slutliga beräkningen utförs i bakgrundsnätverket. Detta är hela systemarkitekturen.

Låt oss titta på effektiviteten och enkelheten i bottenlagerförändringen, som är utjämning, lågspänningsförvärv och utjämningsförvärv till nuvarande förvärv. Energilagringsnodkontrollern berättar följande hur man hanterar den, inklusive SOC utförs här, och bakgrunden fungerar igen. Detta är den smarta sensorn, batterihanteringsenheten och den intelligenta nodstyrenheten som vi redan arbetar med, vilket minskar kostnaderna för energilagring kraftigt.


Posttid: jul-08-2020