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。
近期,多座储能电站获最新进展,北极星储能网特将2025年5月19日-2025年5月23日期间发布的储能项目动态整理如下:200MW/800MWh!8种储能技术混合!国家能源集团青海储能电站投产!5月16日,青海公司大柴旦100万千瓦风光储项目配套储能电站工程科翡储能电站在青海省海西蒙古族藏族自治州成功实现投产运行
北极星储能网获悉,5月20日,美国商务部宣布了对从中国进口的活性负极材料反补贴调查的初步裁决,决定对合成和天然石墨负极材料征收高达721%的反补贴关税!这一政策的执行,或许将对美国电动汽车和储能系统装机产生重大影响,而美国特斯拉将成为最大受害者。一旦负极材料价格大幅上涨,特斯拉将再次失
“3.29小米SU7高速碰撞爆燃”事件后,小米汽车与雷军便被推上了风口浪尖,电池安全问题更是再度引起热议。近日,小米突然入股了一家固态电池企业——合肥因势新材料科技有限公司。公司新增小米旗下瀚星创业投资有限公司、强邦新材、合肥市包河区科创种子基金合伙企业(有限合伙)为股东,注册资本由100
北极星储能网获悉,5月21日,安徽世嘉合利新能源有限公司年产5GWh储能系统建设项目研发楼顺利封顶。项目选址位于安徽省淮南市淮南潘集经济开发区北区(创业大道东侧、纬四路北侧)。项目占地面积约为84090.26平方米,设有2栋1层生产车间(1#生产车间、2#生产车间)、1栋研发楼(综合办公楼),购置全自
全固态锂电池通过以固态电解质替代易燃的有机电解液,并兼容高容量锂金属负极,有望实现远超传统液态锂离子电池的安全性和能量密度,并实现在极低温、高温等极端环境下的应用。然而,目前固态电解质本身的锂离子传输稳定性及析锂(锂离子在电解质内部得电子被还原)引发的短路问题,仍是制约全固态电池
5月20日,四川统计局发布数据显示,2025年1—4月全省国民经济主要指标数据。一、规模以上工业生产情况1—4月,全省规模以上工业增加值同比增长7.1%。分经济类型看,国有企业增加值同比增长8.1%,股份制企业增长6.4%,外商及港澳台商投资企业增长18.8%。分行业看,41个大类行业中有35个行业增加值实现增
在新能源行业,从来没有一种电池能解决所有问题。大储追求低度电成本和长循环寿命;工商储注重模块化灵活配置,同时兼顾高安全性和经济性;动力电池聚焦快充、高能量密度和超长循环——不同的场景,对电池性能的要求不甚相同。如果试图用单一技术路线满足所有需求,就像用同一把钥匙开所有的锁,结果只
北极星储能网获悉,近日,府谷能源所属新元公司火电厂电池储能调频项目顺利实现并网,标志着公司风光火储、源网荷储“两个一体化”产业格局加速形成,不仅是在新型储能领域取得的重大突破,而且实现了国内高倍率含钠离子电池在燃煤火电厂机组辅助调频领域的开创性应用。该项目建设规模10MW/5MWh,采用
北极星储能网获悉,近日,深圳市证券交易所发布公告,终止对东莞市朗泰通科技股份有限公司(以下简称朗泰通科技)首次公开发行股票并在创业板上市的审核。根据公告内容,终止审核的决定是基于朗泰通科技主动提交的撤回上市申请文件,以及保荐机构国金证券股份有限公司相应提交的撤回申请报告。据招股书
北极星储能网获悉,5月14日消息,上海电气储能科技有限公司成功中标奉贤星火综合多种新型储能技术路线对比测试示范基地(一期)10MW/40MWh全钒液流储能项目。该项目将提供国内稀缺的规模化实证场景,依托奉贤区“新能源+储能”产业集聚效应,促进全钒液流电池从材料研发、装备制造到系统集成的全产业链
全固态电池,因其超高比能、本征安全的优势,成为了突破传统液态电池技术桎梏、开启可持续能源高效运用的“金钥匙”,高能数造(西安)技术有限公司自创立伊始,便以“让电池更高能·让产品更高能”为使命,致力于开发先进的固态电池与干法电极产线整体制造解决方案,以前瞻的战略眼光和深厚的技术底蕴
随着全球能源转型的加速推进,可再生能源的快速发展已成为不可逆转的趋势。在这一背景下,储能技术作为连接可再生能源发电与电网、用户之间的关键桥梁,其重要性日益凸显。而在众多储能技术中,储能液流电池以其独特的优势,在2024年迎来了前所未有的发展机遇,全球全钒液流电池已开始逐步走向工程示范
2025年初,136号文件横空出世,我国的新能源行业随之进入了旨在加快构建新型电力系统、推动新能源市场化进程的政策密集且深入的调整期。从政策过山车到市场马拉松,储能行业也正经历从"政策依赖"到"价值创造"的涅槃重生。这一过程不仅重构了储能行业底层逻辑,更催生了技术迭代、模式创新与生态重构的
北极星储能网获悉,5月22日,融源河南新乡长垣市200MW/400MWh独立储能项目EPC总承包招标公告发布,招标人为长垣市融源储能科技有限公司,最高投标控制价28360万元,折合0.709元/Wh。项目拟在新乡市长垣市区域建设,总占地约44亩。储能建设规模为200MW/400MWh,储能电池采用磷酸铁锂电池,储能站电池系
5月22日,运达能源科技集团股份有限公司总经理程晨光一行到访楚能新能源全球总部。双方围绕电池技术研发、产业链协同创新及全球市场拓展等议题,达成多项合作共识。楚能新能源董事长代德明、总裁黄锋陪同参观交流。程晨光实地参观了楚能智能化电池生产线、研发测试中心及储能产品展示区,详细了解楚能
北极星储能网获悉,5月13日,沃太能源西南生产基地项目开工仪式。基于西南市场的庞大需求,沃太能源西南生产基地建筑规划面积超9.7万平方米,聚焦储能系统核心产线建设,重点布局固态电池与液流储能技术等前沿方向。该项目将投资建设PACK智能生产线、储能集装箱装配线、储能电池测试系统等核心设施,并
在过去的几年里,全钒液流电池凭借其本质安全、长时可靠等特性,赢得了产业界和资本市场的广泛认可。然而,其商业化进程仍面临初始成本过高的核心挑战。当时间来到2025年,锂电池储能中标价已接近0.4元/Wh,对比之下,液流电池亟需突破成本瓶颈。作为新型储能领域的重要技术路线,全钒液流电池无疑是一
文/武魏楠5月21日欧盟委员会今日正式提交提案,拟将《欧盟电池与废电池法规》(Regulation(EU)2023/1542)中关于经济运营商电池供应链尽职调查义务的实施时间(原时间2025年8月18日)推迟两年,新生效日期定为2027年8月18日。欧盟委员会表示此举旨在为企业和监管机构提供更充足的准备时间,以应对供应
5月21日,青海公司国能海南州新能源开发有限公司第三批大基地配套63.75MW127.5MWH储能电站EPC工程公开招标项目招标公告发布。工程储能电站为大型储能电站,由国能海南州新能源开发有限公司建设,建设总容量为63.75MW/127.5MWh。拟建站址位于青海省共和县三塔拉,储能电站共以4回集电线路接入紧邻新建的
北极星氢能网获悉,5月21日,上海市科学技术委员会发布《2025年度关键技术研发计划“新能源”项目申报指南》,征集范围包括:绿色燃料、可再生能源、新型储能、新型电力系统。其中绿色燃料领域包括电催化合成氨关键技术、质子交换膜电解水制氢高性能膜电极开发及批量化制造技术、阴离子交换膜电解水制
北极星储能网获悉,5月22日,合肥公交集团庐阳停保场“光伏+储能”建设招标公告发布。招标人为合肥公交集团有限公司,资金来源为自筹。本光储项目利用合肥公交集团庐阳停保场停车楼与综合调度大楼楼顶建设光伏电站,同时配置一套储能系统。合肥公交庐阳停保场位于合肥市庐阳区北二环与淮北路交口东北角
储能领域持续爆单后,磷酸铁锂电池继续在动力市场“霸榜”。最新数据显示,今年3月国内动力电池装机量达到56.6GWh,同比及环比均增长61%以上,其中磷酸铁锂电池装机量占比超过82%,环比增长约64%,同比增长约97%,再次“跑赢大盘”,成为增速最快的电池种类。但与三元电池相通的是,如今的磷酸铁锂材料
电力规划的重点是按照宏观政策指引,以可控成本合理部署各类电力资源来保障长期的电力安全,权衡“低碳、经济、安全”三元目标。过去以常规电源为主、用电负荷平稳增长的电力系统在开展规划时,主要考虑电力电量的供需平衡、各类电力资源的可开发潜力和技术特性、应急备用能力及环境政策要求等约束条件
在山东省日照市五莲县的易捷工具园区,天合光能与中科华辰合作建设的“光储充一体化”项目已正式投运。该项目通过在厂房屋顶安装天合光能至尊光伏组件,搭配天合储能高效工商业储能柜Potentia蓝海系统及电动汽车充电设施,构建了集光伏发电、储能调节和充电服务于一体的综合能源体系,助力日照易捷工具
近日,KonfluxKapitalInternationalGmbH(KKI)与中天科技达成新的战略合作伙伴关系,双方将在奥地利共同开发总容量为176MW的电池储能系统(BESS)项目,此次合作将为欧洲一个不断发展的清洁能源市场带来灵活的、与电网相连的储能基础设施,以支持能源交易、电网稳定以及能源转型。双方同意在指定区域
近日,融捷能源(YoungyEnergy)400kWh液冷户外柜、32kWh高压堆叠户储系统获得全球最知名的安全认证机构之一UL美华认证公司(ULSolutions)颁发的UL1973认证证书,标志着融捷能源液冷户外柜、户储系统在安全性、可靠性和技术性能方面达到国际领先水平,为公司拓展全球市场奠定坚实基础。融捷能源400kWh
北极星风力发电网获悉:5月22日,运达股份总经理程晨光率队赴湖北楚能新能源股份有限公司考察交流,并与楚能新能源董事长代德明、总裁黄锋开展座谈。双方围绕电芯技术研发、产业链协同创新及全球市场拓展等议题达成多项合作共识。代德明表示,运达股份作为全球新能源装备制造领军企业,其智慧储能系统
近期,多座储能电站获最新进展,北极星储能网特将2025年5月19日-2025年5月23日期间发布的储能项目动态整理如下:200MW/800MWh!8种储能技术混合!国家能源集团青海储能电站投产!5月16日,青海公司大柴旦100万千瓦风光储项目配套储能电站工程科翡储能电站在青海省海西蒙古族藏族自治州成功实现投产运行
北极星储能网获悉,5月22日,宁夏中卫鑫华200MW/400MWh储能项目中标候选人公示。第一中标候选人为中建三局安装工程有限公司,投标报价41200万元,折合单价1.030元/Wh;第二中标候选人为广西建工集团第一安装工程有限公司,投标报价40746万元,折合单价1.019元/Wh;第三中标候选人为万邦建工集团有限公
随着全球能源转型的加速推进,可再生能源的快速发展已成为不可逆转的趋势。在这一背景下,储能技术作为连接可再生能源发电与电网、用户之间的关键桥梁,其重要性日益凸显。而在众多储能技术中,储能液流电池以其独特的优势,在2024年迎来了前所未有的发展机遇,全球全钒液流电池已开始逐步走向工程示范
2025年初,136号文件横空出世,我国的新能源行业随之进入了旨在加快构建新型电力系统、推动新能源市场化进程的政策密集且深入的调整期。从政策过山车到市场马拉松,储能行业也正经历从"政策依赖"到"价值创造"的涅槃重生。这一过程不仅重构了储能行业底层逻辑,更催生了技术迭代、模式创新与生态重构的
北极星储能网获悉,5月22日,融源河南新乡长垣市200MW/400MWh独立储能项目EPC总承包招标公告发布,招标人为长垣市融源储能科技有限公司,最高投标控制价28360万元,折合0.709元/Wh。项目拟在新乡市长垣市区域建设,总占地约44亩。储能建设规模为200MW/400MWh,储能电池采用磷酸铁锂电池,储能站电池系
北极星储能网获悉,5月20日,美国商务部宣布了对从中国进口的活性负极材料反补贴调查的初步裁决,决定对合成和天然石墨负极材料征收高达721%的反补贴关税!这一政策的执行,或许将对美国电动汽车和储能系统装机产生重大影响,而美国特斯拉将成为最大受害者。一旦负极材料价格大幅上涨,特斯拉将再次失
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!