退役动力电池梯次利用关键技术及现状分析

被引:145
作者
李建林 [1 ]
李雅欣 [1 ]
吕超 [2 ]
赵伟 [3 ]
周京华 [1 ]
机构
[1] 北京市变频技术研究中心(北方工业大学)
[2] 哈尔滨工业大学电气工程及自动化学院
[3] 广东电网公司电力科学研究院
关键词
退役动力电池; 储能; 梯次利用; 政策与标准;
D O I
暂无
中图分类号
TM912 [蓄电池];
学科分类号
080802 [电力系统及其自动化];
摘要
随着电动汽车动力电池的第一个退役高峰期的来临,废旧动力电池的后续处理对环境和社会资源提出严峻挑战,储能电站是退役动力电池梯次利用的有效途径,研究退役动力电池梯次利用关键技术及其发展现状具有重大现实意义。针对梯次利用电池面临的主要问题及技术难点,首先详细介绍了国内外一些梯次储能示范工程,总结梳理了当前行业内存在的相关政策与标准。在此基础上,对退役电池梯次利用过程中的电池分类筛选、重组、热失控特征、均衡控制及电极材料回收等关键技术展开研究,并着重分析不同方法及控制策略的优缺点。最后结合国内外电动汽车发展趋势,对梯次利用电池的商业应用模式进行探讨与展望。
引用
收藏
页码:172 / 183
页数:12
相关论文
共 56 条
[1]
江苏电网侧百兆瓦级电池储能电站运行与控制分析 [J].
李建林 ;
牛萌 ;
王上行 ;
周京华 ;
袁晓冬 .
电力系统自动化, 2020, 44 (02) :28-35
[2]
基于高斯过程回归的锂离子电池SOC估计 [J].
李嘉波 ;
魏孟 ;
叶敏 ;
焦生杰 ;
徐信芯 .
储能科学与技术, 2020, 9 (01) :131-137
[3]
动力锂离子电池热失控燃烧特性研究进展 [J].
张亚军 ;
王贺武 ;
冯旭宁 ;
欧阳明高 ;
周安健 ;
苏岭 ;
杨辉前 .
机械工程学报, 2019, 55 (20) :17-27
[4]
储能辅助火电机组深度调峰的分层优化调度 [J].
李军徽 ;
张嘉辉 ;
穆钢 ;
葛延峰 ;
严干贵 ;
史松杰 .
电网技术, 2019, 43 (11) :3961-3970
[5]
基于自适应无迹卡尔曼滤波的动力电池健康状态检测及梯次利用研究 [J].
颜湘武 ;
邓浩然 ;
郭琪 ;
曲伟 .
电工技术学报, 2019, 34 (18) :3937-3948
[6]
基于扩展卡尔曼滤波的锂电池SOC估算 [J].
王党树 ;
王新霞 .
电源技术, 2019, 43 (09) :1458-1460
[7]
动力电池组新型充电均衡电路及控制策略 [J].
王树东 ;
丁汀 ;
邱进亮 ;
张开波 ;
酒康 .
工业仪表与自动化装置, 2019, (04) :46-49
[8]
附带均衡电源的DC-DC均衡电路 [J].
周尚丽 ;
纪锋 ;
吴铁洲 ;
常春 ;
熊厚博 .
现代电子技术, 2019, 42 (16) :126-130
[9]
基于短时搁置端电压压降的快速锂离子电池健康状态预测 [J].
郭永芳 ;
黄凯 ;
李志刚 .
电工技术学报, 2019, 34 (19) :3968-3978
[10]
基于库仑效率的退役锂离子动力电池储能梯次利用筛选 [J].
郑志坤 ;
赵光金 ;
金阳 ;
赵智兴 ;
高金峰 .
电工技术学报, 2019, 34(S1) (S1) :388-395