登录注册
请使用微信扫一扫
关注公众号完成登录
(本文来源:微信公众号“储能科学与技术”ID:esst2012 作者:韦荣阳 毛阗 高晗 彭建仁 杨健 单位:浙江大学能源工程学院化工机械研究所 浙江大学建筑设计研究院有限公司)
从电压、温度曲线中提取间接健康特征的分析方法已经获得了广泛的研究。ICA通过测量电池在不同循环周期中电压与电池增量容量之间关系的变化趋势,提取出电池的退化特征参数。差分电压分析(differential voltage analysis,DVA)通过分析电压对容量的导数与电池循环退化过程中的峰谷变化,能够检测和量化退化机制。考虑到电池使用中电池温度的变化,差热伏安法(differential thermal voltammetry,DTV)通过电压和温度的差分比率计算参数,参数曲线的峰值变化反映了电池容量衰减信息。
曲线相似性分析是一种常用的聚类分析方法,在大规模电池组故障分析研究中,通过对不同电池单体的电压曲线聚类,能够分析出电池组的健康状况。对同一电池单体不同充放循环的电压曲线进行相似性分析可以估计出电池单体SOH。参考文献[11]引入平均弗雷歇距离(average Fréchet distance,AFD)方法来确定充放电曲线的相似性,实验表明AFD是良好的SOH估计参数。参考文献[12]为解决不同长度的循环曲线序列,使用动态时间规整(dynamic time warping,DTW)算法和长短期记忆网络(long short term memory networks,LSTM)的组合模型估计电池的SOH。
基于曲线相似性分析思想,本研究提出了一种使用时间规整图TWP提取间接健康特征参数,使用支持SVR模型估计SOH的方法。流程如图1所示。
图 1TWP-SVR方法流程图
首先,通过等间隔采样获取LIBs初始循环的放电电压曲线作为参考序列,依次获取不同循环的放电电压曲线作为采样序列。然后,使用DTW算法找出最优规划路径,通过坐标转换获得TWP并提取出4个间接健康特征。其次,对健康特征数据和容量数据进行标准化处理,获得标准化的训练数据集。接着,用处理后的数据集训练基于线性核的SVR模型。最后,通过对新循环的电压曲线进行采样获得间接健康特征,使用训练好的SVR模型估计SOH。
1 方法
1.1 特征提取算法
1.1.1 动态时间规整动态时间规整是一种准确率高、鲁棒性强的时间序列相似性度量方法,能够通过弯曲时间序列的时域对时间序列的数据点进行匹配,不仅能够得到更好的形态度量效果,而且能够度量两条非等长的时间序列相似性。
考虑两条不同长度的时间序列和
;其中S1是采样序列,S2是参考序列。根据两条序列任意两点的欧氏距离构造距离矩阵A为
(1)
其中。如图2所示,动态时间规整距离D(S1,S2)可以定义为:在距离矩阵A中找到一条最优的规整路径W
使得S1和S2的累积距离值达到最小。即:
(2)
其中,表示规整路径W在距离矩阵A中的位置。为了保证公式(2)的解唯一性,给出3条约束性要求:
①边界线:
②单调性:对于给定的和,必有
③连续性:对于给定的和,必有
可以使用动态规划方法求解公式(2),即:
(3)
其中初始条件D(1,1)=d11。
图 2DTW算法示意图
1.1.2 时间规整图
相对于欧氏距离,动态时间规整距离通过时间规整,能够较好地描述时间序列的相似性。但这主要是通过时间序列幅值的差异性表征的,忽视了时间序列中时域上的相位差异。为解决这一问题,参考文献[15]基于DTW算法获得的最优规整路径,提出了一种基于坐标变换的时间规整图(time warp profile)方法估计不同时间序列之间相位变化的差异性。首先,通过DTW算法获得两条时间序列的距离矩阵,将距离矩阵的对角线和反对角线作为相位参考系(t,φ),并将原点固定在(1,1)处,如图3(a)中红线坐标所示。如图3(a)所示将规整路径上的每一点Wk都进行坐标变换。具体方法如以下公式(4)~(6):
(4)
(5)
(6)
其中。利用公式(4)~(6)将规整路径W转换成时间规整图TWP中的相位差异序列φ(t),如图3(b)所示。在TWP中φ(t)序列值表示时间序列之间的局部滞后,也即是相位差异性,索引指数t对应于两个序列同采样时刻的时间。
图 3TWP坐标变换示意图
1.1.3 间接健康特征TWP将DTW中的二维的最佳规整路径W压缩成一维的相位差异序列,序列的统计性质能反映出参考序列S0和采样序列S1的相似性,为了更方便地比较S0和S1的相似性,选取4个序列的统计指标。
(7)
其中,反映了序列与
0值的偏差,越大序列越远离0值,表明S0和S1幅值相似性越低。反映了序列变化率的大小,越大随着时间变化越陡峭,表明S0和S1相位差异性越大。是序列平均值,越大序列离0值越大,表明S0和S1幅值相似性越低。反映了序列波动性,越大幅值变化越大,说明S0和S1相位差异性越大。因此,利用以上4个统计特征,能够反映出S0和S1的相似性。在LIBs循环老化实验中,考虑电池充放循环中放电时间较长,且曲线长度不一致。为了缩小模型规模和统一参数数目。选择初始循环的放电电压曲线作为参考序列S0,选择其余循环的放电电压曲线作为采样序列Si,依次使用上述算法获得采样序列与参考序列的相位差异序列。利用以上4个特征参数计算初始循环充放电压曲线和其余循环充放电压曲线的相似性,利用不同循环电压曲线的相似性间接表征LIBs的老化特征。
1.2 SOH拟合模型
目前,有多种使用间接健康特征估计SOH的模型。神经网络模型有:LSTM,门控循环单元(gated recurrent unit,GRU),注意力机制模型和混合模型。统计回归模型有GPR模型。机器学习模型有支持向量机(support vector machine,SVM)模型。本研究选择SVR模型作为SOH拟合模型。SVR原理如下:对于数据集{(X1,Y1),(X2,Y2)…(XN,YN)},考虑线性关系的时候,有回归函数:
(8)
其中W和b是模型的权重参数和偏置参数。支持向量机回归SVR将拟合公式(8)转换为求解凸二次优化问题,SVR引入不敏感损失参数ε和松弛变量ξ,求解问题转变为:
(9)
其中,C为惩罚参数,用于控制对位于ε边界之外的观测值施加的惩罚,这有助于防止过度拟合。松弛变量ξ和用于描述样本不满足约束的程度。引入拉格朗日乘子算子求解公式(9)的对偶问题:
(10)
其中和是拉格朗日乘子。根据KKT条件,得到回归函数:
(11)
引入核函数之后可得回归函数:
(12)
核函数有多种选择,包括线性核、多项式核、高斯核以及混合核。
1.3 评价指标
为了评估选取的4个间接健康指标能否反映电池容量衰减特性。选择三个相关性指标进行评价:皮尔森(Pearson)系数、斯皮尔曼(Spearman)系数、肯德尔(Kendall)系数。
(13)
(14)
(15)
其中,表示第i次循环某一个间接健康特征;表示多次循环的某一个间接健康特征值的平均值;表示第i次循环的电池容量;表示多次循环的电池容量平均值;表示排列在第i位的F和Q的秩差;sgn是符号函数。三个相关系数可以说明电池容量衰减曲线分别和4个间接健康特征的相关性,相关性系数绝对值越高,说明两个参数的相关性越大,可以评估4个间接健康特征是否反映出电池容量的衰减特性。为了更全面地评估所提方法的准确性,给出三个常用的评价指标:RMSE、MAE、MAPE。
(16)
(17)
(18)
其中,表示真实值;表示模型的预测值。RMSE、MAE和MAPE值越小说明模型准确性越高。为了评估所提方法应用于不同电池的稳定性,使用不同电池实验的同类型准确性指标的样本标准差和四分位差两个指标说明方法的稳定性。
(19)
(20)
其中,表示不同LIBs实验获得的同类型准确性指标,表示所有电池实验的准确性指标平均值。SSD表示样本标准差(sample standard deviation),反映了对于不同的电池进行实验,所提方法准确性指标的波动性,SSD越小说明所提方法越稳定。表示准确性指标序列的第75个百位数,也叫第3个四分位数。表示准确性指标序列的第25个百位数,也叫第1个四分位数。IQR是准确指标序列的四分位距(inter-quartile range),IQR越小说明准确性指标分布越集中,波动性越小,可以表明所提方法越稳定。
2 实验验证与分析
2.1 数据描述与实验过程
为了验证所提出方法估计SOH的准确性及其适用性,本工作使用了2个开源数据和实际储能电站运行数据进行实验,数据集的相关信息见表1。本工作所有的实验在CPU型号为i7-6500U@2.50 GHz,RAM内存为12 G的设备上使用Matlab R2021a软件进行分析。所提算法由特征提取和拟合模型两部分组成。实验使用NASA数据集,首先,根据相关系数验证TWP算法提取出的4个间接健康特征能否反映电池容量衰减特性。然后,评估TWP类型的特征提取算法分别接入SVR模型和GPR模型后的准确性。使用UL-PUR数据集验证TWP-SVR和TWP-GPR两种方法的准确性和稳定性,最后使用储能电站的数据验证所提TWP-SVR方法的准确性和稳定性。
表1实验数据集信息
2.2 特征提取算法的验证
为了验证TWP提取4个间接健康特征与电池容量衰减的相关性,本工作使用NASA数据集中5、6、7、18号电池进行分析。在每一次充放循环实验中,选取2 A(1 C)恒定电流(CC)放电阶段的电压曲线作为实验数据。注意到电压数据是非等间隔采样获得,所以在提取特征之前先进行等间隔插值处理。将第1次循环的放电电压曲线作为参考序列,不同循环的放电电压曲线作为采样序列,利用公式(7)从TWP中提取4个间接健康特征。使用公式(3)、(4)、(5)的相关系数评估本研究所提出的4个间接健康特征和电池衰减容量的相关性。从图4可以看出,间接健康特征和衰减容量的相关系数均大于0.9,具有强相关性,因此所提的间接健康特征可以作为表征电池容量衰减和估计SOH的参数。图4中相关性系数值是4个电池的平均值,详细的实验数据见表2。
图 4间接健康特征和衰减容量的相关性
表 2间接健康特征和衰减容量的相关系数
为了验证本工作所提特征提取算法的准确性,本工作使用上文提到的NASA开源的4个2000 mAh的电池数据与2种算法进行比较分析。这些算法是由特征提取和拟合模型组合的方法,算法详细说明见表3。
表 3实验所用算法信息
使用表3中的算法对4个电池使用前15%的数据作为训练数据进行SOH估计,实验结果表明TWP作为特征提取的算法具有较高的准确性。图5是使用两种算法对4个电池数据进行SOH估计的结果,图6是准确性指标平均值统计图。由图6可以看出,TWP类型算法在小规模的训练数据的条件下具有较高的准确性,在取前15%的数据作为训练数据的条件下,TWP-SVR算法和TWP-GPR算法的平均RMSE分别为0.031和0.018,平均MAE为0.027和0.015,平均MAPE为3.905和2.602。
图 5基于TWP特征提取算法的4个电池SOH估计值
图 6基于TWP特征提取算法的准确性评价指标
2.3 拟合模型的选择
实验使用TWP算法获取间接健康特征,拟合模型选择SVR和GPR作为比较。考虑放电阶段不同的截止电压,使用(UL-PUR)开源的镍钴铝酸锂(NCA) 电池容量衰减数据集。此数据集提供了10个以1.7 A(0.5 C)恒流放电至2.7 V的NCA电池和11个以1.7 A(0.5 C)恒流放电至2.9 V的NCA电池。本工作使用每个电池前15%循环中恒流放电阶段的电压曲线作为训练数据。
使用两种模型对截止电压分别为2.7 V和2.9 V的电池进行实验。图7和图8展示了两种模型在截止电压为2.9 V的N-2和N-7号电池的SOH估计情况,图9和图10展示了两种模型在截止电压为2.7 V的R-2和R-9号电池的SOH估计情况,两种模型的SOH估计值的绝对误差分布如图11所示。由图11(a)可以看出,当截止电压为2.7 V时,对于不同的电池,两种模型的SOH估计值的绝对误差分布差异较大;对于同一电池,两种模型的SOH估计值的绝对误差分布较为接近。由图11(b)可以看出,当截止电压为2.9 V时,对于大部分的电池,两种模型的SOH估计值的绝对误差分布差异较小,少部分电池的SOH估计值的绝对误差分布差异较大;对于同一电池,两种模型的SOH估计值的绝对误差分布较为接近。
图 7基于截止电压为2.9 V的N-2号电池的两种模型的SOH估计比较
图 8基于截止电压为2.9 V的N-7号电池的两种模型的SOH估计比较
图 9基于截止电压为2.7 V的R-2号电池的两种模型的SOH估计比较
图 10基于截止电压为2.7 V的R-9号电池的两种模型的SOH估计比较
图 11基于不同截至电压的两种模型SOH估计值的绝对误差分布
两种模型的SOH估计值的3种评价指标如图12、13、14所示。由图12(a)、13(a)、14(a)可以看出,当截止电压为2.7 V时,对于不同的电池,两种模型的SOH估计值的RMSE、MAE、MAPE指标波动较大;对于同一电池,TWP-SVR模型的RMSE、MAE和MAPE指标要小于TWP-GPR的RMSE指标。由图12(b)、13(b)、14(b)可以看出,当截止电压为2.9 V时,对于大部分的电池,TWP-SVR模型的SOH估计值的RMSE、MAE和MAPE指标小于TWP-GPR模型,个别电池例外。对于不同电池,TWP-SVR模型的SOH估计值的RMSE、MAE和MAPE指标较为平稳,少数电池例外;TWP-GPR模型的SOH估计值的RMSE、MAE和MAPE指标波动较大。
图 12基于不同截止电压的两种模型的RMSE
图 13基于不同截止电压的两种模型的MAE
图 14基于不同截止电压的两种模型的MAPE
基于不同截止电压电池进行实验,两种模型评价指标分布如图15所示。由图15可知,对于不同截止电压,TWP-SVR模型的RMSE、MAE、MAPE指标分布范围均小于TWP-GPR模型。当截止电压为2.7 V时,TWP-SVR模型的RMSE、MAE、MAPE指标的中位数水平分别为0.008、0.006和0.7,均小于TWP-GPR模型的RMSE、MAE、MAPE指标的中位数水平0.01、0.08和0.99。当截止电压为2.9 V时,TWP-SVR模型的RMSE、MAE、MAPE指标的中位数水平分别为0.0024、0.0019和0.21,均小于TWP-GPR模型的RMSE、MAE、MAPE指标的中位数水平0.004、0.0023和0.4。这说明对于不同的截止电压,TWP-SVR模型的准确性优于TWP-GPR模型。
图 15基于不同截至电压的两种模型SOH估计评价指标分布
为评估两种拟合模型的稳定性,使用SSD和IQR对3个准确性指标做稳定性比较,21个电实验结果统计如表4所示。针对RMSE指标,TWP-SVR模型的SSD为0.0046,IQR为0.0061均低于TWP-GPR模型,表明以RMSE评价模型准确性,在21个电池实验中TWP-SVR模型的准确性指标波动不大,分布更集中,因此稳定性更高。同理,对于MAE指标,TWP-SVR模型的SSD为0.0044,IQR为0.0054均低于TWP-GPR模型,表明以MAE评价模型准确性,TWP-SVR模型稳定性优于TWP-GPR模型。对于MAPE指标,TWP-SVR模型的SSD为0.6886,略大于TWP-GPR模型,IQR为0.8410小于TWP-GPR模型。TWP_SVR模型的SSD大于TWP-GPR模型的情况可能是由于个别电池实验的指标异常引发的,IQR能更好地降低异常值的影响。因此IQR更能反映MAPE指标的稳定性。综合考虑对3个准确性指标进行SSD和IQR评估,可以说明,TWP-SVR模型在不同电池的准确性评估方面波动小,比TWP-GPR模型更加稳定。
表 4基于TWP算法的SVR和GPR拟合模型的稳定性评价指标比较
为验证两种拟合模型的准确性和稳定性,本工作是从不同截止电压方面比较了两种模型的绝对误差分布和评价指标。实验结果表明对于不同截止电压的NCA电池,在准确性和稳定性上,TWP-SVR模型均优于TWP-GPR模型。综合对比实验结果,本工作选择TWP-SVR模型。
2.4 基于实际运行数据的验证
为验证所提方法在实际应用中的准确性,本工作使用储能电站实际运行的电池循环充放数据进行实验,数据采集信息见表5。实验数据包括216个LFP电池组的160次循环充放的电压和电流曲线。考虑电站充电阶段电流相对放电阶段更为平稳,本工作选择恒流充电阶段的电压曲线作为样本数据,由于采样周期小,数据量大,为了便于处理,只取前3000个数据。图16展示了储能电站在一个循环中充电阶段216个电池组的电压变化曲线;使用电站储能管理系统提供的SOH作为标签数据。实验取前15%(前24次的循环)充放数据作为训练数据,图17(a)展示了其中1个电池组的SOH估计值和测量值,图17(b)展示了SOH估计值和测量值之间的误差。使用TWP-SVR方法估计216个电池组的SOH,统计3种准确性指标,结果如图17所示。
表 5储能电站数据采集详细信息
注:电站每次充电时间为8~10 h,充电电流210 A,放电时间1~1.5 h,放电电流500 A左右,放电深度60%~80%。
图 16储能电站充电阶段216个电池模组电压
图 171个电池模组的SOH估计值与测量值比较及其误差分布
由图18可知,RMSE主要分布在0.003附近,MAE主要分布在0.0026附近,MAPE主要分布在0.26附近,3种指标数值较小,表明TWP-SVR方法具有较高的准确性。为评估TWP-SVR模型的稳定性,对216个电池组的3个准确性指标用SSD和IQR进行评估,统计结果如表6所示。由表6可知,RMSE、MAE和MAPE的SSD分别为0.0014、0.0015和0.0152;RMSE、MAE和MAPE的IQR分别为0.0020、0.0022和0.0220。可以看出对216个电池组使用TWP-SVR方法估计SOH值,模型的3个准确性指标的样本标准差和IQR均很小,说明TWP-SVR模型在不同电池中的准确性波动不大,模型具有较高的稳定性。
图 18基于电站数据的TWP-SVR方法准确性评价指标
表 6基于216个电池模组的TWP-SVR方法稳定性指标
3 结论
本工作从充放电电压曲线的相似性角度出发,提取间接健康特征估计LIBs的衰减容量和健康状态,所提出的TWP-SVR方法是利用TWP算法进行特征选择,SVR作为拟合模型的组合方法。其中TWP算法克服了计算非等长曲线相似性的困难,并且提取出了相关系数大于0.9的间接健康特征。在NASA数据集的实验中,TWP类型算法的RMSE小于0.031,MAE小于0.027,MAPE小于3.905,表明TWP算法具有较高的准确性。在UL-PUR开源数据集的实验中,SVR模型的RMSE、MAE和MAPE指标的IQR分别为0.0061、0.0054和0.8410,均小于GPR模型,表明SVR模型的稳定性更高。储能电站的真实运行数据验证实验结果为TWP-SVR模型的RMSE、MAE指标的样本标准差小于0.0015,四分位距小于0.0022,MAPE指标的样本标准差为0.0152,四分位距为0.0220,表明本工作所提出的TWP-SVR方法在保持较高准确性的同时具有良好的稳定性。
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
日前,河北张家口南山汽车产业基地与三维(陕西)电池技术有限公司举行三维固态特种电池生产基地项目签约仪式。项目将建设第四代智能化电池工厂,计划总投资10亿元,总占地70亩,规划建筑面积10.2万平方米,分两期实施。其中,一期投资6亿元,二期投资4亿元,预留产能扩展空间。建成后可新增1GWh三维固
北极星储能网获悉,4月29日消息,欧洲汽车巨头Stellantis与美国初创公司FactorialEnergy联合研发的FEST固态电池成功通过车规级验证。据了解,FEST固态电池容量为77Ah,能量密度达到375Wh/kg,理论上可使电动车续航突破1000公里。经600次充放电循环后仍保持90%以上容量,达到车规级耐久标准。具备4C放电
4月25日,在山东省市场监督管理局的指导下,国际独立第三方检测、检验和认证机构德国莱茵TüV大中华区(简称“TüV莱茵”)联合山东省储能学会、山东省产品质量检验研究院在青岛举办“2025华北区新能源产业先进技术研讨会”。本次研讨会以“探索绿色可持续开创能源新未来”为主题,汇聚了专家学者和行
LG新能源4月29日宣布,与法国环境服务商Derichebourg成立电池回收合资企业,将投建电池回收工厂。按照计划,两家公司在合资公司中的持股比例各为50%,电池回收工厂选址于法国北部瓦兹河畔布吕耶尔,预计2026年动工,2027年投产,年处理能力超2万吨。随着新能源汽车行业的蓬勃兴起,动力电池回收正逐渐
日前,正泰发布一周热点资讯(2025/4/21~4/25)。荣誉正泰安能、正泰新能获评浙江省独角兽企业4月24日,由民建浙江省委会、浙江省工商联、中国投资发展促进会主办的第九届万物生长大会在杭州举办,会上发布浙江省独角兽企业系列榜单,正泰安能、正泰新能双双上榜,首次获评浙江独角兽企业;正泰安能还
近日,内蒙古通辽市经济技术开发区就通辽市昌通新能源科技有限公司新能源再生利用项目进行了环境影响评价首次信息公示。公示信息显示,项目主要回收利用废旧锂离子电池、报废光伏机组、风机叶片等,项目建成后年梯次利用废旧锂离子电池1万吨、拆解破碎废旧锂离子电池2万吨,拆解报废风电、光伏机组2万
北极星储能网获悉,4月25日,国轩高科发布变更募集资金用途的公告,在其第九届董事会第十二次会议和第九届监事会第十二次会议上,审议通过了《关于变更募集资金用途的议案》,公司拟将原募投项目名称“年产20GWh大众标准电芯项目”变更为“大众标准电芯产线项目”,项目实施内容由“年产20GWh动力锂离
日前,美国清洁能源协会声称,一项对2012年以来美国发生大规模电池储能系统火灾事故的第三方审查发现,这些火灾均未导致污染物浓度达到引发公众健康担忧或需要进一步处理程度。2025年1月16日,莫斯兰汀电池储能系统发生火灾与此同时,美国清洁能源协会还发布了电池储能系统安全蓝图。建议电池储能系统
北极星储能网获悉,4月25日,国轩高科发布2024年度业绩报告。报告称,2024年,公司实现营业收入3,539,181.71万元,同比上升11.98%;实现营业利润128,344.97万元,同比上升31.58%;实现利润总额126,310.97万元,同比上升33.22%;实现净利润115,413.42万元,同比上升19.09%,其中,实现归属于母公司所有
亮点:1.提出了一种采用电热膜对电池模组快速加热的方法。2.研究了电池加热功率、加热部位及模组多维度错位协同加热方法对电池温度场及其升温速率的影响。摘要在低温环境下,电池加热是提升储能系统性能、延长电池寿命以及确保其安全性的重要技术手段。针对储能用高容量锂离子电池的低温加热问题,本工
北极星储能网获悉,4月24日,鹏辉能源发布2024年度业绩报告。报告期内,公司实现营业收入79.61亿元,同比增长14.83%;归属于上市公司股东的净利润-2.52亿元。报告期末,公司资产总额168.68亿元,同比增长7.66%;归属于上市公司股东的净资产为50.88亿元,同比下降5.82%。报告显示,公司主营锂离子电池、
近日,江苏省副省长方伟走访天合光能,就稳外贸工作及绿色低碳发展开展调研。光伏科学与技术全国重点实验室主任、天合光能董事长高纪凡陪同调研并汇报有关情况。方伟详细了解天合光能生产经营、科技创新及国际市场拓展情况,并与企业负责人座谈交流。当了解到天合光能210组件累计出货量稳居全球第一,
日前,河北张家口南山汽车产业基地与三维(陕西)电池技术有限公司举行三维固态特种电池生产基地项目签约仪式。项目将建设第四代智能化电池工厂,计划总投资10亿元,总占地70亩,规划建筑面积10.2万平方米,分两期实施。其中,一期投资6亿元,二期投资4亿元,预留产能扩展空间。建成后可新增1GWh三维固
北极星储能网在天眼查APP获悉,4月27日,东营时代新能源科技有限公司成立,法定代表人为曲涛,注册资本20亿元,经营范围包含:新兴能源技术研发;电池制造;电池销售;电子专用材料制造;电子专用材料销售等。股东信息显示,该公司由宁德时代全资持股。值得注意的是,近几个月,宁德时代在山东接连注册
4月29日,江都经济开发区246MW/492MWh分布式储能电站项目中标公示,江苏威达建设集团有限公司以59000万元中标该项目,折合单价1.199元/Wh。项目招标人为扬州市江都区江舟产业发展有限公司,项目位于江苏省扬州市。本项目拟利用江都经济开发区内企业现有场地建设储能电站,规划安装容量为246MW/492MWh。
动力电池出货量同比增长41%,储能电池出货量增长120%。高工产研锂电研究所(GGII)初步调研数据显示,2025Q1中国锂电池出货量314GWh,同比增长55%。其中动力、储能电池出货量分别为210GWh、90GWh,同比增长分别为41%、120%。2024-2025Q1中国锂电池出货量(GWh)说明:动力锂电池含乘用车、商用车、工程
近日,南京市宏观经济研究中心公布《2025年度南京市瞪羚企业名单》,林洋储能凭借在新型储能领域的持续创新与高质量发展,荣获南京市“瞪羚企业”称号!作为具有高成长性、高技术含量和高附加值特征的创新型企业群体,瞪羚企业已成为新质生产力的重要代表。2025年全国两会《政府工作报告》中提出“支持
2025年以来全球储能市场波动较大,作为装机前二地区的中国和美国均有重大政策发布。美国方面,由于中美贸易战,近期关税已经达到了64.9%(3.4%基础关税+7.5%301条款关税+20%对华普征关税+34%新增对等关税),预计2026年1月1日起301条款关税上升至25%,届时储能出口美国产品将面临82.4%的关税。尽管从政
交通运输和能源行业都是国家战略性和基础性产业,也是降碳减污、扩绿增长的重点领域。推动交通运输与能源深度融合发展,对于保障国家能源安全、加快发展新质生产力、积极稳妥推进碳达峰碳中和、在中国式现代化进程中率先实现交通运输现代化,在全面建成社会主义现代化强国中率先建成交通强国具有十分重
北极星储能网讯:4月27日,江苏扬州江都经济开发区246MW/492MWh分布式储能电站项目招标公告发布。文件显示,项目投资总价约59000万元,折合单价1.199元/Wh,计划工期365日历天,不接受联合体投标。以下为招标原文:江都经济开发区246MW/492MWh分布式储能电站项目招标公告一、招标条件本招标项目“江都
北极星储能网讯:面对新一代数据中心对高能效与高可靠的极致追求,4月26日,全球通信与数据中心储能电池市场的领航者——双登股份以技术革新破局,震撼发布重磅新品:数据中心“浸卫”高压锂电系统。以极致安全、卓越性能重塑行业标准。四大硬核特性,引爆行业关注01极致安全,全浸没防采用创新全浸没
面对行业内卷、资本收紧新周期,储能企业正在批量扎堆港股IPO。2024年下半年以来,宁德时代、海辰储能、思格新能源、南都电源、双登集团、正力新能等多家储能企业进击港股,港股上市成为2025年储能行业的重要战略选择。高工储能据此提出简单五问,希冀揭秘储能企业扎堆港股IPO的来龙去脉以及行业影响。
4月29日-30日,第八届数字中国建设峰会在福建福州举办。在国家“双碳”战略持续推动的背景下,城市绿色高质量发展成为社会广泛关注的重要议题。4月30日,以“共建绿色城市新生态”为主题的城市绿色高质量发展峰会在福州市海峡国际会展中心5号馆成功举办。本次峰会聚焦“源网荷储一体化”建设路径等重点
近期,多座储能电站获最新进展,北极星储能网特将2025年4月27日-2025年4月30日期间发布的储能项目动态整理如下:65MW/100MWh!广东韶关市浈江区首个电网侧独立储能站开工4月25日上午,广东韶关浈江独立储能项目开工奠基仪式在国粤(韶关)电力有限公司举行。该项目由广东电网能源投资有限公司与国粤(
北极星储能网获悉,近日南网储能公司20MW/40MWh级钠离子电池储能系统集成设备招标项目中标候选人公示(招标编号:CG0200022002030979)。公开信息显示,杭州煦达新能源科技有限公司为20MW/40MWh级钠离子电池储能系统集成设备招标的中标候选人,投标报价约2958.02万元,约合0.74元/Wh。公示开始时间:20
4月29日,汉星能源200MW/400MWh电池储能项目(一期)在安徽省六安市霍邱县冯井镇顺利并网交付。该项目旨在提升区域电网调峰能力,促进新能源与储能的深度融合。作为目前安徽省获批在建规模最大的共享储能电站,是安徽省新型电力系统建设的重要实践。项目交付现场项目概况#x2726;项目占地50.56亩,约337
4月28日,湖南华菱线缆股份有限公司已正式获得由国际权威检测认证机构TV莱茵大中华区(简称“TV莱茵”)颁发的储能系统用线缆TV莱茵2PfG2693型式认证证书。华菱线缆采用了无氧纯铜或镀锡铜作为导体材料以提升导电性和耐腐蚀性,并使用高性能交联聚烯烃作为绝缘护套材料,结合辐照交联工艺来增强耐温性
北极星储能网获悉,领湃科技公告,公司全资子公司湖南领湃储能科技有限公司近日与新疆科汇电力技术有限公司签订《储能系统采购合同》,该合同为买卖合同不属于框架性协议,合同金额为1.17亿元(含税)。合同的履行预计将对公司2025年度经营业绩产生积极影响。
4月29日,在福建省漳州市东山县海域,随着最后一组光伏发电单元完成调试发电,中国首个建设在高风速海域的海上光伏项目——三峡集团东山杏陈180兆瓦海上光伏电站项目实现全容量并网。该项目总装机容量180兆瓦,配套建设一座110千伏靖海陆上升压站和18兆瓦/36兆瓦时的储能系统,年平均可提供清洁电能约3
支持能源领域民营经济高质量发展促进经济社会全面绿色低碳转型北京大学能源研究院高级分析师吴迪副院长杨雷4月28日,《国家能源局关于促进能源领域民营经济发展若干举措的通知》(下称《通知》)公开发布,旨在深入贯彻落实习近平总书记在民营企业座谈会上的重要讲话精神,支持能源领域民营企业加快高
4月28日,国家电投集团黄河上游水电开发有限责任公司发布了青海省德令哈托素储能电站工程EC总承包工程项目招标公告。项目位于青海省海西蒙古族藏族自治州德令哈市西出口光伏光热园区的西部,该项目最终配置储能系统容量为150MW/600MWh(储能系统设备由招标人提供),其中集中式储能系统容量为100MW/400MW
北极星储能网获悉,据外媒4月28日报道,丹麦投资公司哥本哈根基础设施伙伴公司(CIP)近日宣布,已同意将其在苏格兰Coalburn1电池储能系统(BESS)项目中50%的股权出售给法国安盛投资管理另类投资部公司(AXAIMAlts)。该交易将在项目投入运营后正式生效,交易协议由CIP代表其旗下第四期基础设施基金(
4月28日,厦门象屿股份有限公司总经理助理、厦门象屿能源发展有限责任公司(以下简称“象屿能源发展”)总经理林超群一行到访明阳集团,与明阳集团党委书记、董事长张传卫座谈交流。双方就深化新能源领域合作、风电产业协同、制造业互补及全球化战略等方面进行深入交流,并签署战略合作协议。张传卫对
请使用微信扫一扫
关注公众号完成登录
姓名: | |
性别: | |
出生日期: | |
邮箱: | |
所在地区: | |
行业类别: | |
工作经验: | |
学历: | |
公司名称: | |
任职岗位: |
我们将会第一时间为您推送相关内容!