碳中和目标下退役电池筛选聚类关键技术研究

被引:45
作者
李建林 [1 ]
李雅欣 [1 ]
吕超 [2 ]
赵伟 [3 ]
武亦文 [1 ]
马速良 [1 ]
机构
[1] 储能技术工程研究中心(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
基金
北京市自然科学基金;
关键词
退役电池; 梯次利用; 政策与标准; 筛选聚类; 场景应用;
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"30·60碳达峰–碳中和"战略的提出,新能源逐步成为主力电源。储能技术作为平抑新能源波动、提升消纳能力的主要途径备受关注,但受经济性制约使其难以实现规模化推广。而退役动力电池梯次利用产业链逐步延伸,全寿命周期覆盖利用,有望成为破解这一困境的有效手段。依据现有的新能源汽车的保有量,每年至少有约30万t退役的动力电池需要处理。合理的筛选聚类是快速消纳大规模退役动力电池的有效手段,但电池种类不同、状态多样、工业化筛选方法缺失,不同应用场景下的筛选方法有待研究。首先梳理了双碳目标下的退役电池梯次利用的政策部署,并就典型梯次示范工程功能进行分析。其次,对面向退役动力电池的聚类算法以及评价方法进行了比较分析,明确了其优缺点、适用范围及评价指标;然后,建立了退役电池场景适用性评价体系,分析提高退役电池筛选的场景匹配度的方法;最后结合我国双碳战略目标对退役电池的筛选应用进行总结。
引用
收藏
页码:429 / 441
页数:13
相关论文
共 44 条
[1]
基于径向基神经网络退役锂电池分选研究 [J].
何忠霖 ;
周萍 .
电子科技, 2021, 34 (02) :38-44
[2]
考虑调频性能考核的储能–机组联合调频控制策略 [J].
陈雪梅 ;
陆超 ;
刘杰 ;
宋洁 ;
吴京涛 .
中国电机工程学报, 2021, 41 (10) :3383-3391+3664
[3]
基于退役电池阈值设定和分级控制的弃风消纳模式 [J].
王凯丰 ;
谢丽蓉 ;
乔颖 ;
王小芬 ;
包洪印 .
电力自动化设备, 2020, 40 (10) :92-98
[4]
锂离子电池储能系统的退役电池筛选与优化分组再利用方法 [J].
彭鹏 ;
郭婷婷 ;
李勇琦 .
电工技术, 2020, (17) :24-26
[5]
考虑特性分布的储能电站接入的电网多时间尺度源储荷协调调度策略 [J].
金力 ;
房鑫炎 ;
蔡振华 ;
陈东海 ;
李亦凡 .
电网技术, 2020, 44 (10) :3641-3650
[6]
考虑电池组健康状态的储能系统能量管理方法 [J].
李相俊 ;
马锐 .
电网技术, 2020, 44 (11) :4210-4217
[7]
储能商业化应用政策解析 [J].
李建林 ;
李雅欣 ;
周喜超 ;
王力 .
电力系统保护与控制, 2020, 48 (19) :168-178
[8]
电化学储能应用于电网频率安全防御三道防线的探讨 [J].
李兆伟 ;
方勇杰 ;
李威 ;
刘福锁 ;
徐广 ;
王彩霞 .
电力系统自动化, 2020, 44 (08) :1-7
[9]
基于快速充电曲线的退役锂电池模块快速分选技术 [J].
郑岳久 ;
李家琦 ;
朱志伟 ;
来鑫 ;
周正 .
电网技术, 2020, 44 (05) :1664-1673
[10]
退役动力电池梯次利用关键技术及现状分析 [J].
李建林 ;
李雅欣 ;
吕超 ;
赵伟 ;
周京华 .
电力系统自动化, 2020, 44 (13) :172-183