考虑降级的SSB蓄电池型电力服务应用综合综述：研究进展与模型整合

2026-08-11 23:13:56

基于电池的资源，如电动汽车和储能系统，广泛应用于各种电力服务应用（PSA）。电池劣化管理对于确保 PSA的经济可行性至关重要，但选择合适的型号需要大量时间和精力。本研究为PSA选择合适的电池劣化估计模型提供了技术综述;根据现有文献，讨论适用于PSA操作目的和技术特性的降解模型。此外，电池降解的关键应力因素是从PSA的角度推导出来的，并回顾了一个考虑其依赖因素的电池降解模型。从应用角度来看，全面回顾模型特性、建模及相关参数，以及PSA运行与电池降解模型集成的优化技术，可以为用户提供选择合适电池降解模型的见解。

简介

分布式资源的电网整合，包括可再生能源，是电力系统中一个重要问题[1]。这种整合促进了绿色能源的广泛使用，提高了电力系统的效率，并在提升能源供应的可靠性和稳定性方面发挥了重要作用[2,3]。
基于电池的资源，如电动汽车（EV）和电池储能系统（BESS），具有高度灵活性的优势。因此，它们被广泛应用于各种电力服务应用（PSA），如可再生能源集成[4,5]、电网支持[[6]、[7]、[8]]以及电力市场参与[[9]， [10]， [11]]。然而，电池由于反复充放电，会发生电化学老化[12,13]。电池老化导致性能下降，包括容量和功率下降，原因包括内部电阻增加。因此，电池在寿命结束时需要更换和维护，EOL被视为额定容量的20–30%[[13]， [14]， [15]]。尽管电池价格有所下降，但持续的高价被视为劣势。为克服这些不足，必须强调PSA层面的高效运行，包括基于电池的资源。为此，必须有一个可量化的电池劣化模型并将其与PSA运行模型整合。
电池劣化特性是非线性模型，其中各种影响参数强烈耦合[16,17]。因此，当与PSA模型集成时，计算和操作的复杂度可以显著增加。此外，用户可能需要投入大量精力和时间来确定适合复杂电池劣化机制的模型。特别是，在特定实验条件下构建的退化模型与实际操作环境不同;因此，不合适的模型选择可能导致结果出现误差。因此，有必要对现有研究进行全面回顾，以为选择符合PSA运行目的和特性的电池降解模型提供见解。
代表电池寿命性能的关键状态估计指标包括健康状态（SOH）、使用寿命终点（EOL）和剩余使用寿命（RUL）。SOH表示电池的健康状态，而EOL表示电池应在何时处理，具体取决于操作用途。直到终止寿命的剩余寿命定义为RUL，电池劣化水平可以通过SOH变化量化。通过聚焦这些指标，以往的综述从电池状态寿命和劣化评估的多个视角进行了研究。[18,19] 重点研究模型、数据和混合式SOH估计模型的分类。基于类似分类，[20]对电池模型、评估标准及SOH估计方法进行了广泛综述。[21] 重点关注SOH估计模型的分类、准确性、优缺点及特征综述，将其分为实验和基于模型的技术。[22] 重点回顾锂离子电池（LIB）的内部和外部降解机制及SOH估计模型。[23] 重点研究数据驱动的SOH估计方法，并探讨了实验和基于模型方法的分类、优缺点。此外，[24]基于应力参数对降解的依赖，研究了经验和半经验电池降解模型。基于模型和数据驱动的方法促进基于复杂多样测试、建模和处理算法构建模型。聚焦于这些模型的复杂性，[25]回顾了基于简单测试的快速SOH估计方法。近年来，结合多种人工智能（AI）算法进行电池状态估计的研究受到广泛关注，这得益于人工智能技术的快速发展。因此，已有综述聚焦于基于机器学习[26,27]、人工神经网络[28]和深度学习[29,30]算法的电池状态估计模型。推进电池管理系统（BMS）功能需要包括 SOH 在内的多种状态估计函数。然而，在单个BMS中应用多种状态估计方法会增加系统复杂度，并要求较高的计算能力。为改进这一点，研究一种综合状态估计方法，考虑表征电池状态指标（如SOH、电荷状态SOC）、RUL、能量状态（SOE）和功率状态的相关性，这一研究引起了关注[31]–[33]。
大多数文献综述侧重于电池状态估计模型的分类、优缺点以及电池本身的特征建模。然而，这些方法对在应用层面选择合适的模型提供了有限的见解。尽管电池劣化模型已从车电并网（V2G）运行和电动汽车充电优化的角度进行过评审[34,35]，但尚未对PSA视角下的模型选择和集成进行过综述。与电池退化（SOH、EOL、RUL）相关的现有综述论文摘要可见表1。
本综述与现有综述不同之处在于，重点关注从PSA角度选择合适的电池劣化模型。为此，本研究从PSA视角推导出电池降解的关键应力因素，并回顾了考虑其依赖性的电池降解模型。此外，进行了全面综述，重点探讨将电池劣化模型与PSA层面的最优运行模型整合的可能性，从而为模型选择提供见解。