太阳能锂电储能关键技术与发展现状

　　1 前言
　　
　　人类文明的飞速发展对清洁能源的需求越来越大。太阳能光伏发电以其来源广泛，设备相对简单以及无污染等优点，正日益受到世界各国的重视。随着全社会对节能减排形成共识，太阳能成为适合我国国情的极具吸引力的清洁能源。由于光伏发电受季节气象条件影响很大，因此储能技术与系统是整个太阳能电站中不可或缺的关键环节。储能系统在电网中的作用主要体现在功率补偿、削峰填谷、提高电能质量等几方面。通俗的讲储能系统就像一个储电银行，可以把低谷期富余的电储存起来，而在高峰期拿出来使用，从而起到改善电能质量的作用。

　　本文将对锂电储能的关键技术进行详细的介绍，探讨其发展现状和重要性。

　　2 锂电储能技术简介
　　
　　目前已有的储能技术包括抽水、飞轮等物理储能，超级电容等电磁储能以及电化学原理的蓄电池储能。考虑到放电时间、成本等因素，蓄电池成为光伏电站储能的首选[1].目前已有的蓄电池包括铅酸电池、锂电池与全钒液流电池。铅酸电池已有100 多年的历史，以其价格低廉、性能稳定得到广泛应用。但铅酸电池循环寿命很低，一般为 300-600 次；而且在电池制造、使用和回收过程中铅对环境的污染已不能为现代社会所接受。全钒液流电池是一种新型储能电池，其功率取决于电池单体面积、电堆层数和串并联数，而容量取决于电解液容积，适于大容量储能，而且几乎无自放电，循环寿命长。全钒液流电池成本非常昂贵，其转换效率和稳定性还有待提高，而且全钒液流电池需要泵进行流体控制，增加了成本[2].锂电池单体电压高，工作温度范围宽，比能量与效率高，自放电率低，通过采用保护与均衡电路可提高安全性和寿命。因此综合各种电池的优劣，锂电池由于产业链相对成熟，安全可靠以及环境友好，成为储能电站的首选。

　　3 锂电储能关键技术
　　
　　锂电管理系统（BMS）是锂电工作所必须的。首先锂电池由于严禁过充过放电，所以必须配备保护设备以确保所有电芯的安全。另一方面由于单体锂电池的标称电压只有 3.2-3.7V,为了适用于多种负载就必须进行串并联组合；由于各单体电池之间存在差异性，导致电池组的性能呈下滑趋势，如使用寿命比单体使用时明显减少等。所以完善的 BMS 系统不仅包括保护技术，还应针对具体应用制定合理的均衡方案，使得各锂电单体的差异在合理范围内波动，保证电池组安全高效的工作[3].荷电状态（SOC）可以准确的表征电池剩余电量，合理的 SOC 估计是预测电池工作时间，避免过冲过放的前提，是 BMS 必备的功能；由于电池模型的复杂性，SOC 估计是十分复杂的，常用的方法有其合理性，但是也都存在很大缺陷[4].温度也是影响锂电工作效能的重要因素，温度对电池的放电容量、内阻、开路电压都有很大的影响；尤其低温时放电容量甚至可以跌至常温时的一半左右。因此完善的 BMS 系统还应具备智能温控功能以拓展应用环境[5].除此之外一个完整的 BMS 系统还应包括参数显示、数据通信、故障报警等附属功能[6],如图 1 所示。【1】

　　4 发展现状
　　
　　BMS 首要解决的就是安全问题，需要具备：1）过充保护，即充电时需在电压超标时及时终止。2）过放保护，即组中任一单体电压低于过放电阈值时终止放电。3）过流及短路保护，主要功能为当意外造成过大的放电电流甚至短路时，输出能自动关闭并进入自锁状态。目前这些基本的保护功能可由专业的锂电保护芯片实现，如 TI、凌特等专用锂电保护 IC.均衡是电池管理的核心问题，国内外的研究非常活跃。均衡的具体实现方法依据能量处理方式可分为耗散型与非耗散型，耗散型均衡通过在电池两端并联旁路分流电阻消耗多余能量来实现均衡，这种方法具有实现简单，成本低廉的优点，但存在热管理问题。

　　非耗散型均衡是指能量在电池组中各单体之间转移以达到均衡，这种均衡方式存在多种电路拓扑结构，但往往存在电路复杂，均衡效率不高，均衡速度慢等问题，限制了其在电动汽车、储能等大容量领域的使用[7].

　　锂电池由于结构和模型的复杂性，其 SOC 特性受许多不确定因素的影响，大致有充放电倍率、温度与充放电次数等，因此如何依据可测的参数对 SOC 做出准确的估计是当前亟待解决的难题。目前业界常用的 SOC 估计方法有放电法、安时积分法、开路电压法以及卡尔曼滤波法等[8].放电试验法是对电池恒流放电，统计放出的电量，直到其端电压达到放电截止电压。

　　该方法比较可靠，适用于不同类型的电池；但缺点主要是试验过程较长，不能实时在线估计，因此该方法一般用于确定电池模型参数。安时积分法通过计算一段时间内电池充放电时流进或流出的容量来计算 SOC,算得 SOC 值后再根据环境温度和充放电倍率这些影响因素对其进行补偿。这种方法存在积分累积误差与初始值预测问题。开路电压法利用电池开路电压与 SOC一定的曲线对应关系来估算 SOC.但为了测得开路电压需要消除电池自恢复效应，耗时较长，所以开路电压法不能实时估计SOC,但可以为其他算法提供初始 SOC 值。卡尔曼滤波是一种通过递归迭代来解决离散方程中滤波问题的方法，它能够根据前时刻的状态通过递推来估算当前时刻的状态值。因此我们可用电池的上一个状态参数来估计当前时刻的工作状态，即将电池的电流、工作温度等参数作为系统的输入，SOC作为状态参量，电池电压作为输出，利用卡尔曼滤波进行锂电池 SOC 的估算。

　　目前卡尔曼滤波法还停留在理论仿真阶段，实际应用的报道很少。而对温度的监控目前 BMS 系统主要采用模拟 / 数字温度传感器来实现，对于成本受限的场合可以使用热敏电阻。