基于運行概率特征的電力儲能系統(tǒng)測試工況設(shè)計方法

白愷

(國網(wǎng)冀北電力有限公司電力科學(xué)研究院，北京市 100045)

基于運行概率特征的電力儲能系統(tǒng)測試工況設(shè)計方法

白愷

(國網(wǎng)冀北電力有限公司電力科學(xué)研究院，北京市 100045)

目前國內(nèi)已投運大容量儲能電站使用的電池大多數(shù)為電動汽車電池生產(chǎn)線所生產(chǎn)的產(chǎn)品，測試其產(chǎn)品性能的方法多為標準工況或電動汽車行駛工況。分析某大容量儲能電站各種控制模式下歷史運行數(shù)據(jù)，提出一種大容量儲能電站典型測試工況的設(shè)計方法，以電流幅值分布、電流變化率及充放電轉(zhuǎn)換次數(shù)作為特征值，綜合考慮重復(fù)周期內(nèi)能量轉(zhuǎn)移代數(shù)和為0。算例中1 h典型測試工況與真實運行工況特征值概率分布總誤差小于2%，實現(xiàn)了基于典型測試工況的鋰電池模組性能衰減實驗室測試，為研究儲能電站電池選型和性能評估提供了技術(shù)手段。

儲能系統(tǒng)；概率分布；典型工況；性能衰減

0 引 言

近年，隨著風(fēng)、光等新能源發(fā)電技術(shù)的應(yīng)用，電力儲能市場一直保持較快增長。據(jù)中關(guān)村儲能產(chǎn)業(yè)技術(shù)聯(lián)盟CNESA項目庫不完全統(tǒng)計，截至2015年底全球儲能在電力系統(tǒng)的累計裝機總量為946.8 MW(不包含抽蓄，壓縮空氣儲能及儲熱)。2015年中國累計運行儲能項目118個，累計裝機規(guī)模105.5 MW[1]。但國內(nèi)大容量儲能在電力系統(tǒng)中的應(yīng)用起步于2012年，目前已積累了一定的運行數(shù)據(jù)，有必要對現(xiàn)有運行數(shù)據(jù)進行充分研究和分析，為儲能技術(shù)在電力行業(yè)的應(yīng)用提供更多技術(shù)支撐。

儲能電池、電池組的老化受多重因素影響，包括充放電工作模式、電流大小，運行環(huán)境的溫度、壓力，電池制作工藝、本身結(jié)構(gòu)及化學(xué)特性等[2-3]。目前已有的電池性能測試一般基于標準工況或設(shè)定工況，標準工況是指一定條件下的滿充滿放循環(huán)工況，在標準工況下測試所得的電池壽命為循環(huán)壽命。設(shè)定工況的相關(guān)研究成果集中于對于不同的車型和動力系統(tǒng)配置、不同路況和行駛路徑來設(shè)置電池的工況[4]。目前應(yīng)用較為普遍的測試工況[5]如《美國先進電池聯(lián)合會(USABC)電動汽車電池試驗手冊》是USABC對美國聯(lián)邦城市汽車運行工況進行簡化后，得到的動態(tài)應(yīng)力測試工況(dynamic stress test，DST)；我國輕型車一般采用的測試循環(huán)是歐洲的行駛工況ECE15+EUDC[6]。文獻[7]提出了基于實車運行數(shù)據(jù)的動力電池動態(tài)測試工況統(tǒng)計方法, 應(yīng)用該方法建立了基于北京公交的純電動客車用動力電池動態(tài)測試工況，并對工況進行了標準化，提出該工況應(yīng)用于不同車型和不同電池組的等價方法。文獻[8]基于純電動公交車采集的運行數(shù)據(jù)，提出了一種分析動力電池行駛循環(huán)特征的方法，分析公交車行駛過程中的功率分布情況，利用主成分分析方法驗證測試工況與樣本總體的主要特征量之間的相關(guān)性，分別采用恒流恒壓、標準動態(tài)應(yīng)力測試和純電動公交動態(tài)測試工況進行錳酸鋰電池的壽命試驗。文獻[9]提出基于中國典型城市循環(huán)工況的動力電池非恒流放電測試方法，為電動汽車用動力電池的選型及性能匹配測試提供參考。文獻[10]提出了一種基于GPRS的道路行駛工況數(shù)據(jù)的遠程采集方法，從而獲得電動汽車道路試驗原始數(shù)據(jù)庫，同時將自組織映射神經(jīng)網(wǎng)絡(luò)引入到行駛工況的自學(xué)習(xí)中，通過網(wǎng)絡(luò)對原始數(shù)據(jù)進行運動學(xué)片段的聚類分析，構(gòu)建出了電動汽車在實際運行中的3種典型工況。

上述文獻均依據(jù)不同種類電動汽車的行駛特點和路況特點，結(jié)合數(shù)學(xué)方法，得出電動汽車電池的典型運行工況。目前還沒有文獻對我國電力儲能的典型工況進行研究。

儲能在電力系統(tǒng)中的應(yīng)用模式較多，即使在相同控制模式下，也因應(yīng)用環(huán)境、容量配比和控制參數(shù)等不同，運行工況需求也會有所差異。提取儲能電池模組典型測試工況，提供與實際運行工況類似的設(shè)定工況，一方面可在電站設(shè)計階段，為電池的選型、性能匹配提供參考；另一方面也可對已投運系統(tǒng)開展模組壽命衰退分析。本文以某儲能電站運行數(shù)據(jù)為基礎(chǔ)，分析電力儲能工況特征，提出基于特征值概率分布與誤差分析的儲能系統(tǒng)典型測試工況設(shè)計方法。

1 電力儲能運行工況特征分析

大容量電力儲能目前常用的運行模式有平滑風(fēng)光的波動性、移峰填谷、跟蹤發(fā)電計劃及調(diào)頻等[11]。平滑波動工況一般依據(jù)預(yù)期的平滑度指標，通過控制儲能系統(tǒng)對有功功率的吞吐[12]，實現(xiàn)儲能系統(tǒng)對風(fēng)光功率的多時間尺度平滑處理[13]，使得總輸出功率波動在規(guī)定范圍內(nèi)。跟蹤計劃發(fā)電工況是指通過協(xié)調(diào)儲能發(fā)電系統(tǒng)，對風(fēng)光發(fā)電出力與發(fā)電計劃值之間的偏差進行實時補償，使得全站發(fā)電依據(jù)計劃值輸出，得到滿意的計劃跟蹤效果[14]。削峰填谷一般基于峰谷電價差對風(fēng)光有功出力進行調(diào)整，提高經(jīng)濟效益[15]。儲能系統(tǒng)參與電網(wǎng)調(diào)頻是指充分發(fā)揮儲能響應(yīng)快速，跟蹤精準的優(yōu)勢，由儲能參與區(qū)域控制偏差(area control error，ACE)跟蹤，從而改善由于傳統(tǒng)機組響應(yīng)慢、爬坡速率低造成的電網(wǎng)調(diào)頻性能不佳的問題[16]。

為了提取上述工況的特征量，對位于張家口的國家風(fēng)光儲示范電站儲能系統(tǒng)2013年運行數(shù)據(jù)進行分析。截取2013年儲能電站在4種工況下的出力曲線，繪制日典型工況，并對比各種工況出力特性如圖1所示。調(diào)頻工況下，儲能系統(tǒng)大多數(shù)情況下出力較小，波動率較小，充放電轉(zhuǎn)換較少；削峰填谷工況下，儲能系統(tǒng)基本以恒定功率充放，充放電轉(zhuǎn)換較少；跟蹤計劃發(fā)電工況下，儲能系統(tǒng)出力總功率大，波動率大，充放電轉(zhuǎn)換相比其他工況更為頻繁；平滑風(fēng)光波動工況下，儲能系統(tǒng)出力波動率較大，出力較小。

圖1 儲能電站典型工況曲線示意圖Fig.1 Typical operating condition curve of energy storage power station

由于通常儲能廠房或集裝箱內(nèi)有較為完備的溫度控制系統(tǒng)，電池工作溫度恒定在20 ℃左右，可忽略溫度對電池的影響，且電池密封在電池箱內(nèi)，處于靜止狀態(tài)，應(yīng)力的變化可忽略。要表達運行工況所有信息量，則至少需要4個特征量：充放電電流曲線幅值分布、電流變化率分布、充放電轉(zhuǎn)換次數(shù)及儲能系統(tǒng)出力為0的概率分布。

2 電力儲能運行典型工況設(shè)計方法

2.1 典型工況的設(shè)計目標

為了研究大容量儲能系統(tǒng)運行工況下電池模組性能衰減規(guī)律，需設(shè)計用于實驗室測試的典型工況。典型工況應(yīng)滿足以下要求：(1)涵蓋大容量儲能系統(tǒng)運行工況的重要特征，逼近真實運行數(shù)據(jù)；(2)典型工況循環(huán)時間周期較短，便于試驗人員暫停試驗與試驗數(shù)據(jù)分析；(3)1個循環(huán)周期內(nèi)，電池模組的能量轉(zhuǎn)移代數(shù)和接近于0，即荷電狀態(tài)(state of charge，SOC)回到起始點，以減少試驗過程中對SOC的調(diào)整。

2.2 典型工況設(shè)計方法

如圖2所示，典型工況設(shè)計步驟如下。

圖2 典型工況設(shè)計步驟Fig.2 Design steps of typical operating condition

步驟(1)：獲取歷史運行數(shù)據(jù)。充放電電流可以表征儲能系統(tǒng)出力的大小，獲取長周期電流和時間數(shù)據(jù)作為主要分析對象。其中應(yīng)剔除儲能系統(tǒng)檢修維護等停機原因?qū)е聝δ艹隽?的片段。

步驟(2)：計算歷史運行數(shù)據(jù)特征量分布。計算歷史運行曲線每一點的電流幅值、電流變化率及設(shè)計工況內(nèi)的充放電轉(zhuǎn)換次數(shù)。電流幅值即每一點的電流大小It，充電為負、放電為正。電流變化率It計算方法如式(1)，其中T為歷史運行數(shù)據(jù)中電流的采集周期，一般為s級。

(1)

充放電轉(zhuǎn)換次數(shù)為設(shè)計工況內(nèi)電流由正轉(zhuǎn)為負、由負轉(zhuǎn)為正的次數(shù)。

步驟(3)：將電流幅值、電流變化率分段(分段越密集，典型工況曲線越精確，但計算量越大)，統(tǒng)計落在每一段中的時間點個數(shù)占總點數(shù)的百分比，電流幅值概率分布統(tǒng)計結(jié)果記為矩陣A、電流變化率概率分布統(tǒng)計結(jié)果記為矩陣B、充放電轉(zhuǎn)換次數(shù)統(tǒng)計結(jié)果記為矩陣C。

步驟(4)：依據(jù)試驗條件首先設(shè)定所需設(shè)計工況長度Tc,小片段長度TCN的確定需綜合考慮精度和計算量，并與Tc成整數(shù)倍關(guān)系。Tc與TCN的比值為設(shè)計工況內(nèi)小片段個數(shù)N。

步驟(5)：計算小分段曲線特征量概率分布。計算每一個小片段內(nèi)，每一點的電流幅值、電流變化率、設(shè)計工況內(nèi)的充放電轉(zhuǎn)換次數(shù)和出力為0的次數(shù)。

步驟(6)：隨機選取N個小片段組合為一個長度為Tc的新曲線，計算該曲線的特征量概率分布，并按照步驟(3)中設(shè)置的分段區(qū)間，統(tǒng)計落在每一段中的時間點個數(shù)占總點數(shù)的百分比，電流幅值概率分布統(tǒng)計結(jié)果記為矩陣A′、電流變化率概率分布統(tǒng)計結(jié)果記為矩陣B′、充放電轉(zhuǎn)換次數(shù)統(tǒng)計結(jié)果記為矩陣C′。

步驟(7)：誤差計算。計算歷史運行曲線與設(shè)計工況曲線每一個特征量在每一段概率分布中的誤差，如式(2)—(4)：

(2)

(3)

C-C′=c

(4)

電流幅值誤差eA，電流變化率誤差eB，充放電轉(zhuǎn)換次數(shù)誤差eC分別如式(5)—(7)：

(5)

(6)

eC=c

(7)

總誤差e為

(8)

步驟(8)：調(diào)整終點SOC。輸出滿足總誤差要求(一般推薦小于2%)的片段組合，組成的新曲線記為I1。計算I1的充入和放出電量，考慮到典型工況的可連續(xù)循環(huán)性，每次循環(huán)后SOC應(yīng)能夠回到原點。由于在電流幅值分布中，一些接近峰值的電流值占比很小，但對電池壽命的影響較大，將充入和放出電量的差，用電流幅值較大值進行短時充放，使SOC回到原點。

步驟(9)：校驗誤差，輸出典型工況I2-t曲線。

3 電力儲能運行典型工況設(shè)計算例

選取某儲能單元連續(xù)3天運行于平滑波動模式下的電流時間曲線，剔除出于安全考慮的夜間停機時間和故障檢修時間，共約36 h。該單元由1臺變流器和10組電池組組成，直流側(cè)額定電流為900 A。在實際應(yīng)用中，樣本數(shù)據(jù)越充足越能涵蓋運行工況的特征。

3.1 數(shù)據(jù)特征量概率分布計算

將3 d共36 h的數(shù)據(jù)組合成1條平滑波動I-t曲線，數(shù)據(jù)采樣頻率為3 s。如圖3所示，計算該曲線幅值分布、電流變化率、充放電轉(zhuǎn)換次數(shù)的分布情況，結(jié)果如圖4—5所示，充放電轉(zhuǎn)換次數(shù)共319次，占所有點數(shù)的7.08%。

圖3 真實時長36 h平滑波動工況運行曲線Fig.3 Operation curve for real time 36 hour under smoothing fluctuation condition

圖4 電流幅值概率分布Fig.4 Probability distribution of current amplitude

圖5 電流變化率概率分布Fig.5 Probability distribution of current change rate

3.2 曲線分段及誤差計算

將上述36 h的電流與時間的曲線分段，每 10 min一段，共得出約216個小片段，計算每個小片段的特征量概率分布信息。

在216個小片段中，隨機選取6個小片段，組成一個時長為1 h的I-t曲線L，計算L的特征量概率分布信息。

求L的特征量概率分布信息與總工況特征量概率分布信息之間的誤差：L的每個電流幅值分布概率(共13個)與總工況的對應(yīng)部分相減，求出1個均方根誤差e1；L的每個電流變化率分布概率(共14個)與總工況的對應(yīng)部分相減，求出1個均方根誤差e2；同理，求充放電轉(zhuǎn)換次數(shù)概率的誤差e3；3個誤差值求平均，得到總誤差e。

3.3 典型工況的修正

輸出總誤差e小于2%的任意組合，計算合成工況的充放電量，如圖6所示，充入容量為28.91 A·h；放出容量為36.85 A·h。

圖6 平滑波動典型工況Fig.6 Typical operating condition of smoothing fluctuation

觀察典型工況幅值分布，以概率較低、但幅值較大的電流補充電量，使典型工況中充入電量與放出電量接近。選取200，300，400 A電流各充電14 s，充放電量代數(shù)和為0.031。最終合成典型工況曲線如圖7。同理，可以得出跟蹤計劃發(fā)電、削峰填谷、調(diào)頻工況的典型工況。

圖7 考慮起始SOC的平滑波動典型工況Fig.7 Typical operating condition of smoothing fluctuation with considering initial SOC

4 典型工況的試驗應(yīng)用

本試驗對象為來自不同生產(chǎn)廠商的磷酸鐵鋰電池模組A和模組B，模組A額定參數(shù)為240 (A·h)/ 2.8 kW/8.3 (kW·h)；模組B額定參數(shù)為198 (A·h)/3.8 kW/7.6 (kW·h)。試驗設(shè)備為EVTS-150V250A1CH、通道輔助電壓/溫度測試系統(tǒng)；試驗工況為平滑波動工況300 h循環(huán)。對循環(huán)前后電池模組性能進行分析。

(1)容量。對比電池模組A和B循環(huán)前后容量大小，情況見表1和表2。

表1 模組A循環(huán)前后容量大小對比
Table 1 Capacity comparison of module A before and after cycle

表2 模組B循環(huán)前后容量大小對比Table 2 Capacity comparison of module B before and after cycle

(2)電壓一致性。循環(huán)前充電電壓一致性曲線如圖8所示，藍色為電壓最大值，紅色為電壓最小值，綠色為電壓最大值與最小值的差。模組A循環(huán)前放電過程中電壓極差最大值為0.278 7 V；充電過程中電壓極差最大值為0.247 9 V。

圖8 電池模組循環(huán)前后電壓一致性Fig.8 Voltage consistency before and afterbattery modulecycle

循環(huán)后，放電過程中電壓極差最大值為0.327 8 V；充電過程中電壓極差最大值為 0.324 4 V。模組B循環(huán)前后電壓一致性幾乎無變化。

試驗結(jié)論為，經(jīng)過300 h平滑波動循環(huán)工況試驗后，模組A充電容量衰減1.89%，放電容量衰減1.43%；單體間電壓極差增大。模組B穩(wěn)定性較好，各項參數(shù)變化不明顯，因此應(yīng)用于該種工況的儲能電站，在產(chǎn)品選型時可考慮模組B。

5 結(jié) 論

本文以在運儲能電站運行數(shù)據(jù)為基礎(chǔ)，提出以充放電電流幅值概率分布、電流變化率概率分布、充放電轉(zhuǎn)換次數(shù)為特征的大容量電力儲能運行典型工況提取方法，為了便于實驗室試驗，綜合考慮了典型工況循環(huán)周期內(nèi)SOC變化約等于0，并以平滑波動工況為例進行了試驗驗證。形成結(jié)論如下：

(1)對于電池工作環(huán)境穩(wěn)定的儲能電站，運行于平滑波動、跟蹤計劃發(fā)電、削峰填谷等工況時，其主要特征主要體現(xiàn)在電流的幅值分布、電流變化率分布及充放電轉(zhuǎn)換次數(shù)3個方面；

(2)以歷史運行曲線為基礎(chǔ)，采用截取多個小片段組成短時工況，使特征值概率分布與真實運行曲線概率分布接近，合成大容量電力儲能運行典型工況，可用于模組壽命測試和電池選型配置等；

(3)在典型工況設(shè)計中，考慮充入電量與放出電量接近，則可以減少循環(huán)試驗中的SOC調(diào)整；

(4)通過試驗?zāi)M，證實本方法可以為電力儲能電池模組設(shè)備選型和性能評估提供技術(shù)手段。

[1]中關(guān)村儲能產(chǎn)業(yè)技術(shù)聯(lián)盟(CNESA)． 儲能產(chǎn)業(yè)研究白皮書2016[M]．北京， 2016.

[2]羅偉林, 張立強,呂超,等.鋰離子電池壽命預(yù)測國外研究現(xiàn)狀綜述[J].電源學(xué)報,2013,11(1):140-143． LUO Weilin, ZHANG Liqiang, LYU Chao, et al. Review on foreign status of life prediction of lithium-ion batteries[J]. Journal of Power Supply, 2013,11(1):140-143.

[3]馬苓,杜光遠,徐強,等.鋰離子電池容量衰減機理的研究進展[J].電源技術(shù),2014,38(3):553-556． MA Ling,DU Guangyuan, XU Qiang, et al. Progress of capacity fading mechanisms for lithium-ion batteries[J]. Chinese Journal of Power Sources,2014,38(3):553-556.

[4]戴海峰,周艷新,顧偉軍,等. 電動汽車用動力鋰離子電池壽命問題研究綜述[J].電源技術(shù),2014,38(10):1952-1954． DAI Haifeng, ZHOU Yanxin, GU Weijun, et al. Review on life studies of traction Li-ion batteries in electric vehicles[J]. Chinese Journal of Power Sources, 2014,38(10):1952-1954.

[5] 劉卓然,陳健,林凱,等.國內(nèi)外電動汽車發(fā)展現(xiàn)狀與趨勢[J].電力建設(shè), 2015,36(7):25-31 LIU Zhuoran, CHEN Jian, LIN Kai, et al. Domestic and foreign present situation and the tendency of electric vehicles[J].Electric Power Construction, 2015,36(7):25-31.

[6] 國家環(huán)境保護總局. 輕型汽車排氣污染物排放限值及測量方法：GB 18352.1—2001[S]. 北京：中國標準出版社，2001.

[7]孫逢春,孟祥峰,林程,等.電動汽車動力電池動態(tài)測試工況研究[J].北京理工大學(xué)學(xué)報,2010,30(3):298-301． SUN Fengchun, MENG Xiangfeng, LIN Cheng, et al. Dynamic stress test profile of power battery for electric vehicle[J]. Transactions of Beijing Institute of Technology, 2010,30(3):298-301.

[8]時瑋,姜久春,張維戈,等. 純電動公交車動力電池壽命測試行駛工況的研究[J].汽車工程,2013,35(2):138-142． SHI Wei，JIANG Jiuchun，ZHANG Weige，et al. A study on the driving cycle for the life test of traction battery in electric buses[J]. Automotive Engineering,2013,35(2):138-142.

[9]葉磊,楊杰.基于典型城市工況的電動汽車用動力電池非恒流放電測試研究[J].客車技術(shù)與研究,2013，35(6): 41-44． YE Lei, YANG Jie. Research on inconstant- current discharging testing based on typical city- bus cycle of power battery for electric vehicle[J]. Bus & Coach Technology and Research, 2013，35(6): 41-44.

[10] 莊繼暉,謝輝,嚴英.基于GPRS的電動汽車道路行駛工況自學(xué)習(xí)[J]. 天津大學(xué)學(xué)報,2010,43(4):283-286． ZHUANG Jihui，XIE Hui，YAN Ying. GPRS based driving cycle self-learning for electric vehicle[J]. Journal of Tianjin University,2010,43(4):283-286.

[11]高明杰,惠東,高宗和,等. 國家風(fēng)光儲輸示范工程介紹及其典型運行模式分析[J].電力系統(tǒng)自動化,2013,37(1):59-63． GAO Mingjie, HUI Dong, GAO Zonghe,et al. Presentation of national wind/photovoltaic/energy storage and transmission demonstration project and analysis of typical operation mode[J]. Automation of Electric Power System, 2013,37(1):59-63.

[12]陳躍燕,李相俊,韓曉娟,等.基于移動平均法和風(fēng)電波動率約束的電池儲能系統(tǒng)平滑風(fēng)電出力控制策略[J].電力建設(shè),2013,34(7):1-5. CHEN Yueyan, LI Xiangjun, HAN Xiaojuan,et al. Control strategy of smoothing wind power output using battery energy storage based on moving average method and wind power volatility rate constraint[J]. Electric Power Construction,2013,34(7):1-5.

[13] LI X. Fuzzy adaptive kalman filter for wind power output smoothing with battery energy storage system[J].IET Renewable Power Generation,2012,6(5):340-347.

[14]彭思敏.電池儲能系統(tǒng)及其在風(fēng)—儲孤網(wǎng)中的運行與控制[D]. 上海：上海交通大學(xué),2013. PENG Simin. Battery energy storage system and its operation and control in the isolated grid based on wind-battery[D]. Shanghai：Shanghai Jiao Tong University,2013.

[15] 陳滿,陸志剛,劉怡,等.電池儲能系統(tǒng)恒功率削峰填谷優(yōu)化策略研究[J].電網(wǎng)技術(shù),2012,36(9):232-233． CHEN Man，LU Zhigang，LIU Yi，et al. Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J]. Power System Technology, 2012,36(9):232-233.

[16]陳大宇,張粒子,王澍,等. 儲能在美國調(diào)頻市場中的發(fā)展及啟示[J].電力系統(tǒng)自動化,2013,37(1):9-13． CHEN Dayu, ZHANG Zili, WANG Shu,et al. Development of energy storage in frequency regulation market of united states and its enlightenment[J]. Automation of Electric Power System, 2013,37(1):9-13．

(編輯 張媛媛)

Test Condition Design Method of Power Energy Storage System Based on Operation Probability Characteristics

BAI Kai

(State Grid Jibei Electric Power Co.,Ltd. Electric Power Research Institute, Beijing 100045, China)

At present, the batteries used in the large-capacity energy storage power station are mostly the products manufactured by electric vehicle battery production line, so their performance test methods are mostly standard working conditions or electric vehicle driving conditions. Through the analysis on the historical operation data of large-capacity energy storage power station, this paper proposes a design method of large-capacity energy storage power station under typical test condition, which takes the distribution of current amplitude, the change rate of current and the conversion time of charge and discharge as eigenvalue, and comprehensively considers the algebraic sum of energy transfer as zero in a repeat cycle. The total error of the eigenvalue probability distribution is less than 2% between the typical test conditions in the examples and the real operating conditions. Finally, this paper completes the performance degradation laboratory test of lithium battery module based on typical test conditions, which can provide the technical support for the battery selection and performance evalution of energy storage power station.

energy storage system; probability distribution; typical condition; performance deterioration

國家電網(wǎng)公司科技項目(電動汽車電池規(guī)模化梯次利用關(guān)鍵技術(shù)深化研究)

TM 711， TM 911

A

1000-7229(2016)08-0155-06

10.3969/j.issn.1000-7229.2016.08.024

2015-12-28

白愷(1971)，女，高級工程師，研究方向為新能源發(fā)電及并網(wǎng)技術(shù)等。