简介:摘要:随着当前电化学储能技术的广泛应用,电池储能电站的安全运维问题日渐突出。传统电池管理系统仅能获得各电池单体的电压、电流及温度,并且受限于硬件处理能力、数据传输带宽及延迟等条件,掌握海量电池单体储能系统的健康与安全运行状态成为关键技术难题。机器学习方法在锂离子电池运行状态预测领域的应用为储能电池系统安全管理创造了条件。针对锂离子电池安全管理需求,首先对锂离子电池滥用及热失控风险机理的相关研究进行了介绍。随后,讨论了锂离子电池管理系统架构及其应用特点,并详细论述了机器学习方法在锂离子电池健康与安全状态分析方面的应用。最后,对储能电站锂离子电池的安全管理进行了展望。
简介:摘要:随着电化学储能电站装机容量的不断提高,其安全风险及防控问题越来越受到重视。电化学储能通过快速充电消解风光高发的冲击,在新能源低发时进行放电,可有效降低新能源发电对电网的冲击。储能电站普遍采用的定期检修策略,因检修周期较为固定,难以及时发现安全隐患,同时储能元件数量多、故障类型多,且离线检测的防控方法耗时长、成本高、运检工作量大,检修效率低,在推广利用过程中也带来了新的安全风险。基于储能电池特点及电化学储能电站安全风险的分析,提出健全储能电站消防设施、加大储能安全类技术研发、制定完善的标准规范等可行性较高的控制措施和安全风险防范对策,以提升电化学储能电站安全风险管控能力。
简介:摘要:目前,基于超级电容技术研发的储能式有轨电车已作为一种高效、绿色、智能的新型轨道交通车辆广泛应用于国内有轨电车市场,其优势在于基于超级电容为主动力源实现30秒快速充放电,长距离持续巡航以及较大载客量。为实现对超级电容型储能电源性能的完整性测试,搭建一套1800V电压等级的储能电源综合试验系统是储能式有轨电车技术发展所需。
简介:摘要:本文以西安科技大学能源学院赴陕甘宁矿区调研专项实践团前往西部矿区进行大量调研为切入点,以地下浅埋硐室压缩空气储能工程实践为依托,开发一种地下压缩空气储能硐室运行状态下的智能监测预警云平台。基于实际工况所需采集的数据种类分别设置温度控制、围岩应力变形、流速流量、设备运行状态等不同特征的模块;利用工业物联网信息技术(设备兼容技术)、人工智能(机器学习)、大数据理论分析(数据挖掘算法)等方法形成为集“采集监测-预警分析-灾变防控”功能为一体的综合监测管控云平台系统,实时监测整个压缩空气储能实践工程所处的物理环境,为地下浅埋硐室压缩空气储能工程正常运行状态下储库的密闭性和稳定性提供智能预警及灾变防控方案指导。该智能监测预警云平台的研发亦可为地下硐室压缩空气储能这一新兴工程领域提供一个智能化监测样本。