来源：快猛电池 发布日期：2026-06-12 17:29:38

储能电池可以平抑可再生动力的动摇性。在可再生动力并网进程中，运转工况会影响电池储能系统（BESS）的功能和失效危险。但是，现在并网BESS的模型过于简化，一般仅考虑荷电状况（SOC）和功率约束。具体的锂（Li）离子电池单体模型核算量大，不适用于实时应用，且或许不适合电网运转工况。此外，还缺少实时的电池危险评价结构。为了处理这些问题，在本研讨中，咱们根据多时间尺度BESS模型建立了一个热-电-功能（TEP）耦合模型，该模型结合了Li离子电池的电气和热特性及其功能衰减，以实现对并网BESS的具体仿真。此外，考虑到储能电池的运转特性以及电气和热乱用要素，咱们开发了一个电池组运转危险模型，该模型归纳考虑了SOC和充放电倍率（C r），使用修正后的失功率来表征BESS危险。经过将储能的具体仿真与猜测性失效危险剖析相结合，咱们获得了一个用于BESS危险剖析的具体模型。该模型供给了一种跨越月级储能仿真的多时间尺度集成仿真……
中国2030-2060年双碳目标旨在提升风能和光伏等可再生动力的比例，这些动力将逐渐取代化石燃料发电。但是，随着可再生动力资源的添加，其间歇性和动摇性带来的问题日益突出。Battery energy storage system (BESS)作为可再生动力存储的首要手法，也是处理上述动摇问题的有用途径[1, 2]。
BESS在电力系统中具有广泛的应用：在（i）发电方面，它们可用于快速调频、滑润可再生动力动摇以及供给冷热备用；（ii）输配电网络方面，它们可以优化可再生动力的接入和潮流散布；（iii）负荷方面，它们可以改善电能质量，供给散布式动力供应，并经过电价套利等手法参加市场调节[3]。经过明显增强其接收风能和光伏能量的才能，BESS有助于构建新型低碳电力系统。但是，高昂的出资成本、频频产生的火灾爆炸事故[4]以及BESS较差的可靠性和安全性，是大规模推广应用BESS的首要瓶颈。因而，对BESS展开精细化建模、仿真和危险剖析显得尤为重要。
与其他运转场景不同，BESS在电网中的应用触及复杂的多时间尺度动态特性，包括秒级和分钟级的频率呼应、小时级的削峰填谷与负荷滑润，以及天级的可再生动力动摇滑润[5, 6]。针对这些特性，学者们对储能电池进行了多时间尺度建模[7, 8]，并研讨了相应的控制战略[9]。但是，这些研讨首要重视BESS对电网的影响，而疏忽了BESS自身的状况和危险改变。
锂离子电池在循环进程中会经历逐渐的功能衰减。健康状况（SOH）和剩余使用寿命（RUL）是电池功能的关键目标[10, 11]，其中容量改变和内阻添加是其健康状况的首要表现形式。根据容量衰减和内阻添加的健康状况评价办法是最直接有用的手法[12, 13]。但是，这些办法首要重视储能电池外部特性的改变，往往疏忽了温度和充放电倍率等各种要素的影响。为了处理这一问题，研讨人员对锂离子电池进行了广泛的充放电试验，考虑了充放电倍率、温度以及充放电循环次数对电池容量衰减的影响，并建立了锂离子电池的半经验老化模型[14–16]。这些模型归纳考虑了影响锂离子电池的多种要素。此外，随着人工智能（AI）技能的开展，比如改善的花粉授粉算法-时间卷积网络[17]以及根据增量容量剖析和改善的长短期记忆（LSTM）网络的锂硫电池多维度健康估量办法[18]等办法已开端应用于锂离子电池的状况评价中，ac
随着Li-ion电池的SOH持续下降，内部短路和热失控的或许性随之添加，其中热乱用和电乱用是大多数失效的首要诱因[20]。热乱用和电乱用会导致内部温度迅速升高，引发一系列副反应，如电解液分解和集流体熔化，这或许导致电池失效甚至起火爆炸[21, 22]。为了研讨Li-ion电池在乱用条件下的危险，学者们针对储能电池展开了聚集于高温、过充等乱用行为的试验，剖析了从乱用到失效的进程[23]。这些研讨揭示了内部短路与热失控之间的联系[24]，并开发了比如描绘电池从正常状况过渡到乱用状况终究产生热失控的三维电-热模型[25]、根据过充试验的几许模型[26]、过充条件下热失控的三维电化学-热耦合仿真模型[27]，以及根据电化学-热耦合模型的内部短路故障诊断算法[28]。这些研讨为Li-ion电池的危险剖析做出了重要贡献，但仍面临着比如过于重视单一要素、对各种场景适应性有限等问题。
近年来，许多模型在Li-ion电池仿真技能方面取得了明显进展，例如等效电路模型[29]、电化学模型[30]、数据驱动模型[31]、热模型[32]以及多物理场耦合模型[33]。这些模型全面模仿了单个电池单元的运转特性及其相关的副反应。特别是使用多物理场仿真软件（如COMSOL）开发的多物理场耦合模型，可以模仿电化学与热的耦合，以及相关的副反应和热失控现象[33]。但是，并网系统仿真一般仅考虑BESS的SOC和功率，而疏忽了其他关键参数。这一局限性阻碍了对BESS当时状况的精确评价，进而妨碍了安全危险的实时评价。单个Li-ion电池具体且复杂的仿真模型往往仿真速度较慢，使其不适用于电网系统仿真。因而，迫切需要开发适用于系统级仿真的高效BESS模型，以包括更广泛的关键参数。
为了处理上述问题，在本研讨中，咱们经过将BESS的热特性和功能衰减（包括容量“骤降”规律）归入统一的多时间尺度模型，提出了一种改善的BESS等效电路模型。咱们建立了热-电-功能（TEP）耦合模型，以在并网场景下更精确地模仿BESS。咱们进一步剖析了锂离子电池的失效机制，然后提出了一个考虑BESS失效危险的电池运转危险模型。使用从TEP耦合模型中获取的参数进行了危险剖析，将确认性运转场景模仿与猜测性失效危险评价进行了全面结合。
本文的其余部分组织如下：在第2节中，咱们全面概述了整个模型结构及其各组件之间的耦合联系；在第3节和第4节中，咱们分别具体介绍了TEP耦合模型和电池组运转危险模型的开发；在第5节中，咱们在三种场景下对BESS进行了功能和危险剖析：微电网储能、风电滑润以及电网故障呼应。最后，在第6节中，咱们提出了本研讨的首要结论。

2 . 模型结构与耦合结构

导致储能电池失效的要素首要可分为电、热和机械乱用[20]。因为储能电池一般安装在固定位置，受外部物理冲击和振荡导致的机械乱用危险较低，这使得热乱用和电乱用成为BESS失效的首要原因。因而，有必要具体考虑并模仿充放电行为、电热特性以及电池功能对电池固有安全危险的影响。
咱们在机电模型[ 8 ]的基础上，经过考虑BESS在循环进程中的热特性和功能衰减（图1），建立了一个TEP耦合模型，以便更具体地模仿电池组在并网场景下的运转工况。


根据多时间尺度BESS模型[8]，咱们的模型考虑了电池开路电压（V0）和内阻（R0）随其温度（Tb）和荷电状况（SOC）改变而产生的改变；即电池当时电量与其最大充电容量的比值，一般使用安时积分法核算[34]；Tb受R0产生热量以及流经电池的电流（I）的影响。此外，电池的电气和热参数会影响其功能，导致容量衰减和内阻添加[35]。这些不可逆的改变反过来又会影响其电气和热特性。
经过使用TEP耦合模型进行具体的BESS仿真，咱们获得了比如SOC和充放电倍率（Cr）等参数，后者根据公式(1)核算为电流I与额定电流Irate的比值。随后，咱们使用电池组运转危险模型进行危险剖析。该模型的各个部分紧密相连且相互影响，因而需要进行具体建模以确认其耦合联系。根据不同参数的时间尺度要求，在多时间尺度仿真中，仿真输出包括月级仿真时间、日级功能衰减、分钟级故障率以及秒级储能电池特性。这使得结合确认性具体仿真与BESS猜测性运转危险的归纳剖析成为或许。(1)