![]()
【中文】巨星,徐超,郝俊红,等.新型储能技术进展与挑战III：储能集成技术、安全技术和系统规划调度[J].太阳能,2024,(09):39-48.
摘要：新型储能日益成为中国建设新型能源体系和新型电力系统的关键技术，已成为中国经济发展的新动能。与之相应，新型储能技术的相关研究也在快速发展。开展了该领域的系列评价性综述工作，共分为电化学储能技术、物理储能与储热技术、储能集成技术、安全技术和系统规划调度3个部分，对各类新型储能技术的应用领域、最新研究进展及局限性等问题进行了全面系统的对比分析，并进一步探讨了储能集成技术、安全技术、系统规划调度等储能系统相关领域面临的挑战及发展趋势。第3部分为新型储能技术进展与挑战，重点对储能集成技术、安全技术和系统规划调度中的高压级联技术、构网型储能技术、数智化和数字孪生技术、分布式温度监测技术、浸没式液冷技术、高效的优化算法等技术进展进行综合分析与讨论。
关键词：储能集成技术；储能安全技术；储能系统规划调度；多元储能技术
中图分类号：TK02 文献标志码：A
储能集成技术是实现储能技术本体走向实际应用的关键。近年来，高压级联技术、构网型储能技术、数智化和数字孪生技术倍受行业推崇。高压级联技术通过级联多个储能单元，提高储能系统电压等级，实现高效能量转换与传输，显著增强储能系统性能[1]。构网型储能技术以储能逆变器构建支撑大电网的电压源，增强储能系统稳定性，优化新能源消纳水平[2]。数智化技术利用大数据、人工智能，实现储能系统的智能化管理与优化[3]。数字孪生技术则通过构建虚拟模型，提升储能系统的安全性、诊断能力、运行效率[4]。这些技术共同推动储能集成技术向更高效、智能、安全的方向发展。储能安全技术是保障储能系统安全稳定运行的重要基础。随着锂离子电池储能系统的广泛应用，其安全问题也日益凸显。为了确保储能系统的安全稳定运行，必须实施一系列的安全防护措施。实时监测储能系统内的气体、各部分设备的温度等参数，减少监测盲点，及时发现故障和异常高温，预防热失控和火灾[5]，可有效提升储能系统的安全性和可靠性。同时，液冷技术和直冷技术的发展，有效提升了储能设备的冷却效能，进而提升储能系统的整体安全性[6]。在储能消防方面，也出现一些新的趋势，比如：一方面，从储能系统引发火灾事故的处理方式来看，目前的趋势倾向于首要任务是控制火势，而非扑灭火灾；另一方面，由于电池模组燃烧测试的结果和实际安全问题之间存在较大差异，开展更大规模集装箱灭火、爆炸和有毒物质测试的工作也应提上日程[7]。储能系统的规划与调度是确保新型电力系统灵活、稳定、可靠运行的先决条件。储能技术不仅用于电力调峰、抑制新能源电力系统中传输功率的波动性，还可显著提升电能质量和系统经济性，而上述能力的实现也取决于合理的规划与调度[8]。储能系统能有效减少系统网损，优化资源配置，显著提高电力系统的新能源利用率。多元储能技术，比如：电池、超级电容器等，通过其互补性优势，可为综合能源系统提供更高效的能源管理方案[9]。但是，储能系统的规划与调度仍面临诸多挑战，例如：复杂的多时间尺度的储能系统规划、多元储能系统的集成和协同运行等。因此，需要持续开拓储能系统规划与调度研究的边界，与动态过程及其运行仿真深度结合，以提高规划调度设计对储能系统实际设计和运行的指导作用。基于上述3个方面，本文针对其中的高压级联技术、构网型储能技术、数智化和数字孪生技术、分布式温度监测技术等进行讨论。高压级联技术，作为无并联结构的高效储能解决方案，通过革新电力电子设备设计，可直接接入6～35kV并网电压，无需经过变压器，显著降低系统网损，提升效率，缩短储能系统的响应时间。此外，该技术能够最大限度地减少或消除电池簇的并联情况，使各个电池簇之间尽量和完全相互独立；减少或消除环流现象，改善电池一致性，延长其循环寿命。目前，已有多个高压级联储能项目成功投入运营，包括：1)南方电网储能股份有限公司(下文简称为“南网储能”)在佛山市部署的宝塘300MW/600MWh储能项目[10]，该项目的储能系统采用了组串式、双极式、单极式、低压级联和百兆瓦级高压级联直挂式储能系统5种连接方式，其中，百兆瓦级高压级联直挂式储能系统拓扑结构图如图1[11]所示，图中：L为电感；ia、ib、ic分别为a相、b相、c相交流电；IGCT为集成门极换流晶闸管；usa、usb、usc分别为电网侧a相、b相、c相电压；uao、ubo、uco分别为变![]()
换器a相、b相、c相输出电压。2)华电国际电力股份有限公司莱城发电厂的101MW/206MWh储能项目，采用了“高压级联+集中液冷”技术。3)南网储能河北保定10kV/6MW大容量高压级联电池储能电站则结合了可移动设计。4)湖南邵阳绥宁电化学储能项目首次大规模采用全液冷热管理的35kV高压直挂储能系统。高压级联储能系统可有效解决大规模新能源场站并网后的稳定性问题，改善电网对新能源的接纳能力。作为一种新的技术路线，高压级联方案也面临多个技术挑战，需要进一步验证。高压级联方案每相电压都是35kV，电磁环境恶劣，对电池管理系统(BMS)控制提出更高要求；35kV储能系统中，直流侧和交流侧位于在同一位置，运维难度加大，存在一定的安全风险；在高电压等级，高能量密度条件下，储能系统的热管理和安全防护技术也需要进一步考虑和升级。当前，高压级联方案的渗透率依然较低，需要通过更多项目验证其可靠性和稳定性。从项目成本来看，采用高压级联方案的储能项目的投资成本与传统项目成本逐渐相近，预示着这一技术在未来市场中具有较大的竞争力和应用潜力。构网型储能技术的核心在于其可通过储能逆变器建立起支持大电网稳定运行的电压源，能快速调节频率和电压、增加惯量和短路容量支撑、抑制宽频振荡，从而提升电力系统的稳定性[12]。2023年，科华数能科技有限公司(下文简称为“科华数能”)在宁夏回族自治区百兆瓦级共享储能项目开展构网型储能技术应用，助力弱网地区实现构网型电力支撑，采用虚拟同步发电机技术，可以通过复制同步电机的行为和性能来加强电网，实现快速调频调压、增加惯量和短路容量、抑制宽频振荡等效果。提升新能源发电和新型储能抗干扰、主动支撑等涉网能力，积极创新构网型储能技术，推动新能源发电从并网向构网转变。2022年，科华数能为伊拉克石油部电力部提供了“光储柴构网型微网”解决方案，其采用构网型储能结合弱电网特征的“光伏逆变器+柴发”模式，构建了微网。湖北省荆门市新港区50MW/100MWh高桥储能项目采用了构网型储能变流器，并通过构网型控制策略实现功率自同步，验证了高比例新能源接入区域电网中的多时间尺度功率支撑应用的有效性。数智化和数字孪生技术是储能技术提升其能效和安全性的关键路径之一，储能电池的数智化发展方向如图2[4]所示。![]()
山东省泰安市350MW压缩空气储能创新示范项目计划通过数字孪生技术，实现该项目全生命周期内的智能远程监测和诊断，提前识别和化解潜在风险，节约用户成本。南网储能在广东省五华市的70MW/140MWh宝湖储能电站项目[13]采用了高效智能风冷和浸没式液冷两种高能量密度的1500V磷酸铁锂储能系统，配备了秒级数据存储技术的智能能量管理控制系统，并利用智慧储能数字化运营管控平台实现远程智能运维和运行辅助决策。在电化学储能领域，数字孪生技术通过结合电池安全失效和寿命衰退机理，利用人工智能训练得到电池的高精度数字孪生模型，实现精确的风险预警和老化状态预测，确保监测无盲点，并全面覆盖预测需求[14]。此外，通过采集融合了历史数据、实时数据(包括：电力发输配用、电力市场、网络运行状态和电力政策等)，以及发电预测、工况辨识和故障诊断的仿真数据，规范异构数据表达，统一数据转换规则，建立数据融合标准，实现对多运行主体的多尺度异构数据的全面采集、存储、管理及共享，将多类型物理实体及其运行过程转化为数据表达，推动多模态模型的迭代和应用服务的优化。储能电站数智化管控架构如图3[4]所示。![]()
锂离子电池储能系统的安全性是其发展过程中的关键制约因素。电池热失控是指电池内部产生了不可停止的自放热连锁反应，导致电池温度急剧升高，最终可能发生着火甚至爆炸。电池热失控的主要诱因包括机械滥用、电滥用和热滥用3种情况，如图4所示。在这3种情况下，电池极易发生热失控，造成安全事故。机械滥用是指电池受到碰撞、挤压、针刺等影响后，其内部会发生短路或漏液等情况，在大规模储能系统中机械滥用发生的概率较小；电滥用是指电池内外部发生短路、过充、过放等情况，导致电池大量产热；热滥用是指电池使用温度过高，从而造成电池短路，引发热失控。热滥用是大规模储能系统发生安全事故的主要因素，其产生原因较为复杂，即会由机械滥用和电滥用发展而来，也会因外部温度过高而发生。![]()
在电池热失控初期，其内部隔膜可能由于析出的锂，而遭到刺穿，或因高温而发生分解，导致电池内部轻微短路[15]。但电池热失控是一个“雪崩”的过程，其初期特征不明显，若抑制不及时，电池内部结构将发生更加剧烈的反应，导致电池容量下降、温度升高，最终发生真正的热失控。温度是电池运行过程中最基本的表征参数[16]。电池发生故障时，温度通常会随之发生异常变化。提高温度检测准确度和扩大检测范围，有助于及早发现前期的微小故障，及时采取对应措施，避免热失控的发生。光纤测温技术在储能领域中具有广阔应用前景。相比于传统的热电偶测温，光纤不受电磁干扰的影响，1根光纤上可以设置成百上千测点，电池包的线路布局可简化，可实现全覆盖电池测温，电池包及电池舱光纤测温示意图如图5所示。光纤测温的精确度与电偶测温相近，响应速度取决于光纤长度，光纤越长，响应时间越长。在能够保证测量结果准确性的前提下，仍然能够做到秒级响应。目前，光纤测温的研究大部分集中在单体电池或小型电池模组方面，缺少储能系统级别的研究。![]()
除了预防热失控，维持储能系统内部电池温度稳定、均衡也至关重要。由于储能系统内部电池分布密集，散热问题尤为严重，且电池单体之间存在差异性，导致其温度不一致，对储能电站的安全运行构成威胁。浸没式液冷技术提供了解决方案，通过将电池浸没在储能系统内部绝缘、高闪点、导热系数高的浸没液中，且浸没液保持流动状态，及时带走电池在充放电过程中产生的热量，保证电池温度的稳定性和单体之间温度的一致性，如图6所示。![]()
![]()
只有提高锂离子电池的安全性能，才能推进储能领域的高速发展[17]。相比于传统锂离子电池，固态电池通常具有更高的能量密度，并且由于降低了液体电解质泄漏和易燃风险，而提高了安全性。然而，固态电池技术目前仍面临很多挑战，固液混合电池在现有的液态电池技术基础上保留了部分电解液，电池的机理与传统锂离子电池区别较小，固液混合电池虽然能够提升比能量，但会降低电池倍率，影响充电和循环寿命。全固态电池虽然有极高的能量密度和安全性能，但因成本高昂而难以大规模推广应用。此外，声纹识别技术在储能安全检测诊断领域的逐步推广应用，储能行业声纹在线监测装置标准化工作已经逐步完善。但仍存在一些问题，比如：无法识别特征同频噪声、无法识别多个特征同时发生。需要利用大数据驱动训练特征提取模型，对同时触发的多个特征进行相似性提取识别，实现声纹识别技术在储能安全检测领域的深度应用[18]。储能系统的规划与调度是确保新型电力系统灵活、稳定、可靠运行的关键因素。在新型电力系统中，储能技术主要应用于电力调峰、抑制新能源电力系统中传输功率的波动性、提升电能质量和系统经济性等方面，具体应用场景如图7所示。通过对储能系统进行合理规划与调度，可以有效降低系统网损、实现削峰填谷，进而推动储能技术的发展与应用。![]()
当前，储能系统规划相关研究主要集中在规划目标、优化算法和应用场景3个方面。储能系统规划的主要目标涵盖系统可靠性、经济性及新能源利用率，如图8所示。![]()
在规划目标方面，蔡福霖等[19]以提升新能源消纳能力为目标，对集中式和分布式储能系统进行了协同规划研究；房珂等[20]以优化成本效益为目标，计及长期储能的技术经济参数，对长期储能面向低碳电力系统进行优化规划；孟源等[21]在风光储联合项目的规划中，引入了“机会约束”和“N-1安全约束”，以确保项目选址定容的安全性。随着规划模型日益复杂化，研究人员不断寻求更高效的优化算法。Li等[22]基于混沌优化的改进二进制粒子群优化算法，对分布式发电储能的双层规划模型进行交替迭代，以实现最优联合规划；陈乾等[23]提出凸包自适应优化算法，以解决区域热网管道流量变化导致蓄热规划模型非凸的问题；Wang等[24]采用基于精英保留策略的遗传算法对考虑混合储能差异化特征的综合能源系统进行规划。储能系统规划方法与应用场景也密切相关。Zhang等[25]针对住宅电动汽车充电站，建立充电负荷和居住负荷的模糊响应模型，实现了光伏发电和储能协同规划；Bazdar等[26]对在城市建筑间采用新兴绝热空气压缩储能系统进行规划分析，验证了其实际建设的可行性；Wang等[27]以工业园区为例，探索租赁储能新模式，以进一步进行规划研究。多元储能技术的优化调度也是综合能源系统领域的热门研究方向。从优化目标角度出发，朱永强等[28]将由电池和超级电容器组成的多元储能系统加入到微网的优化调度中，考虑多元储能运行的经济性，提出了一种基于动态规划-遗传算法实现实时调度的方法。在平抑新能源并网波动方面，刘晓燕[29]在已有的关于多元储能技术研究的基础上，针对调度中存在的多元储能系统内部能量调度方面的问题，运用了模型预测控制和动态规划，限制发电系统并网功率波动的范围。在调峰调频方面，李军徽等[30]提出了一种独立储能协同参与调峰调频任务的经济调度方法，以储能电站收益为目标，通过对比优先调峰或优先调频，显示出协同调度在收益方面的提升程度。在风电消纳方面，Hao等[31]基于热流法构建了包含储热机组在内的系统统一潮流模型，优化了包含储热单元的各组件的发电和供热调度。在系统可靠性方面，Wang等[32]分析了弃风、运营成本与减排问题之间的内在冲突，加入系统可靠性相关指标，运用多目标粒子群算法实现储能的优化调度。从多时空尺度优化运行策略出发，马振祺等[33]针对多能耦合系统提出了“日前+日内+实时”3时间尺度的阶段优化调度策略，利用混合储能平滑波动，改善了其功率响应特性。在此基础上，Li等[34]考虑空间尺度特性，针对不同社区利用多维能量实现供需平衡的情况，对电热冷气储能系统建模，提升了综合能源系统的运行经济性。从算法选择上看，Lu等[35]在基于多智能体深度强化学习的算法框架下，通过对储能系统交换功率进行合理调度，实现了大规模主动配电系统的分区优化和运营成本的降低。Liang等[36]运用了双延迟深度确定性策略梯度算法，训练代理进行能源优化管理，通过实时调度电池、储氢等装置，最大化实现低碳经济的目标。综上，储能系统规划调度的优化目标和算法在不断完善，应用场景逐渐丰富，多元储能技术在多能耦合系统中的应用研究及多时空尺度下的协同运行取得了进展。然而，现阶段中国在大容量储能系统的规划方面仍有发展空间，且多元储能技术的系统集成和协同运行面临技术挑战，储能的市场定位和价值评估有待进一步明确。此外，储能系统的大规模配置需要考虑安全因素和环境的影响[37]。因此，面对技术成熟度、系统集成、市场机制和安全环境等方面的挑战，需要持续的技术创新和政策支持，通过多元化技术布局、规模与布局优化、多时间尺度调度、技术经济性分析和政策市场机制的制定，实现储能技术的可持续发展和电力系统的高效运行。储能技术在应用层面展现出显著的差异性，如图9所示。随着新能源渗透率提高，未来储能系统将逐步呈现分化趋势，长时储能技术、电网支撑型储能技术将具备更大的发展空间，储能技术也将更多应用在一些特殊场景中，比如：大型载具、宇宙空间、海洋等，这些需求和场景将为不同储能技术的发展提供广阔的空间。![]()
本文针对新型储能技术目前的进展与面临的挑战，从储能集成技术、储能安全技术和储能系统规划调度3方面进行了分析。新型储能技术正朝着高安全、低成本、大容量、高效率的方向发展，未来将更加注重数字化、智能化、绿色化、集中式与分布式并举，从而在促进新能源消纳、实现能源体系转型、提高能源利用效率、减少环境污染等方面发挥重要的作用。展望未来，随着新能源渗透率的进一步提升，储能系统的应用将更加多元化，特别是在长时储能技术、电网支撑型储能技术方面，将拥有更大的发展空间。同时，储能技术也将在特殊场景如大型载具、宇宙空间、海洋等领域展现其独特的应用潜力，为不同储能技术的发展提供广阔的空间。[1]李奇，钟卫连.基于云边协同的电池储能系统安全保障建设——评《电池储能系统集成技术与应用》[J].电池，2023，53(5)：591-592.[2]刘学文，詹松，巴鑫，等.太阳能电池与储能系统集成技术研究进展[J].节能，2023，42(6)：90-93.[3]彭东浩.储能下半场：采日能源“数智化”入局，赛况如何?[J].电气时代，2024(5)：22-23.[4]李相俊，刘晓宇，韩雪冰，等.电化学储能电站数字化智能化技术及其应用展望[J].供用电，2023，40(8)：3-12.[5]周喜超，乔雄，彭勇，等.一种锂离子电池储能电站运行状态监测平台[J].电气应用，2024，43(3)：1-10.[6]王琳，丁刚，李振博，等.锂离子电池储能安全监测技术发展[J].能源与节能，2023(11)：149-152.[7]中国储能网新闻中心.电池储能系统着火——“任其燃烧”往往是解决办法[R/OL].(2024-06-09)[2024-06-11].https://www.escn.com.cn/20240611/4119ecc41d8846ec9efa8fb8ae9f922e/c.html.[8]赵鑫.多能互补的综合能源系统长期规划与调度策略研究[D].北京：华北电力大学，2023.[9]王勇，刘梦晨，王辉，等.计及源网荷储协同运行的城市配网侧储能系统规划调度[J].电工电能新技术，2024，43(3)：73-82.[10]陈海生，李泓，徐玉杰，等.2023年中国储能技术研究进展[J].储能科学与技术，2024，13(5)：1359-1397.[11]黄雪松.成都创新生态滋养多项“国际领先”[N].成都日报，2024-04-06(1).[12]杨本星，王伟，杨明轩，等.辅助风电并网的构网型储能控制策略研究[J].高压电器，2023，59(7)：56-64.[13]陈海生，李泓，徐玉杰，等.2022年中国储能技术研究进展[J].储能科学与技术，2023，12(5)：1516-1552.[14]易伟.计算机技术在储能行业中的应用研究[J].储能科学与技术，2022，11(7)：2408-2409.[15]孟国栋，李雨珮，唐佳，等.锂离子电池储能电站的热失控状态检测与安全防控技术研究进展[J].高电压技术，2024，50(7)：3105-3127.[16]邓啟熙.锂离子电池储能系统安全技术发展现状[J].中外能源，2022，27(11)：93-99.[17]ZHANGQS，NIUJH，ZHAOZH，etal.Researchontheeffectofthermalrunawaygascomponentsandexplosionlimitsoflithium-ionbatteriesunderdifferentchargestates[J].Journalofenergystorage，2022，45：103759.[18]SUTL，LYUNW，ZHAOZX，etal.Safetywarningoflithium-ionbatteryenergystoragestationviaventingacousticsignaldetectionforgridapplication[J].Journalofenergystorage，2021，38：102498.[19]蔡福霖，胡泽春，曹敏健，等.提升新能源消纳能力的集中式与分布式电池储能协同规划[J].电力系统自动化，2022，46(20)：23-32.[20]房珂，周明，武昭原，等.面向低碳电力系统的长期储能优化规划与成本效益分析[J].中国电机工程学报，2023，43(21)：8282-8295.[21]孟源，樊小朝，史瑞静，等.基于机会约束及N-1安全约束的风光联合储能系统选址定容优化[J].电网技术，2021，45(5)：1886-1893.[22]LIY，FENGB，WANGB，etal.Jointplanningofdistributedgenerationsandenergystorageinactivedistributionnetworks：aBi-levelprogrammingapproach[J].Energy，2022，245：123226.[23]陈乾，张沈习，程浩忠，等.计及热网蓄热特性的多区域综合能源系统多元储能规划[J].中国电机工程学报，2023，43(15)：5890-5903.[24]WANGYL，ZHANGYL，XUEL，etal.Researchonplanningoptimizationofintegratedenergysystembasedonthedifferentialfeaturesofhybridenergystoragesystem[J].Journalofenergystorage，2022，55：105368.[25]ZHANGMJ，YANQY，GUANYJ，etal.Jointplanningofresidentialelectricvehiclechargingstationintegratedwithphotovoltaicandenergystorageconsideringdemandresponseanduncertainties[J].Energy，2024，298：131370.[26]BAZDARE，NASIRIF，HAGHIGHATF.Optimalplanningandconfigurationofadiabatic-compressedairenergystorageforurbanbuildingsapplication：techno-economicandenvironmentalassessment[J].Journalofenergystorage，2024，76：109720.[27]WANGYX，CHENJJ，ZHAOYL，etal.Incorporaterobustoptimizationanddemanddefenseforoptimalplanningofsharedrentalenergystorageinmulti-userindustrialpark[J].Energy，2024，301：131721.[28]朱永强，王甜婧，许阔，等.基于动态规划-遗传算法的混合储能系统实时协调调度和经济运行[J].太阳能学报，2019，40(4)：1059-1066.[29]刘晓艳.计及初始荷电状态的含混合储能微电网双层调度研究[J].太阳能学报，2024，45(2)：416-420.[30]李军徽，张靖祥，穆钢，等.辅助服务市场下独立储能调峰调频协同优化调度[J/OL].中国电机工程学报.[2024-05-17].https://kns.cnki.net/reader/flowpdf?invoice=mM5tZ3paYG51j0oiDm3Ff6SIzWHzvAIVBcPUKedn%2BiBp7Kl6k5DQ31zwIZLfbuJQQMUzb1CYv7%2Bmzir6PXrBh7CSKJGObXrh4ECYL2Si5D2DelroBp9vJ8jHlZKNTbkHrAoJ%2B8gzwz5%2FwWMDdySwIPjfAnV9mq1svxGd8hTF988%3D&platform=NZKPT&product=CAPJ&filename=ZGDC20240329009&tablename=capjlast&type=JOURNAL&scope=trial&cflag=pdf&dflag=pdf&pages=&language=CHS&trial=&nonce=91A3BF8C6F464FEE8833A1ADBAA850BD.[31]HAOJH，CHENQ，HEKL，etal.Aheatcurrentmodelforheattransfer/storagesystemsanditsapplicationinintegratedanalysisandoptimizationwithpowersystems[J].IEEEtransactionsonsustainableenergy，2020，11(1)：175-184.[32]WANGB，ZHOUM，XINB，etal.Analysisofoperationcostandwindcurtailmentusingmulti-objectiveunitcommitmentwithbatteryenergystorage[J].Energy，2019，178：101-114.[33]马振祺，任浩栋，张凯，等.考虑冷热电多能流的混合储能系统三阶段能量优化调度策略[J].电气工程学报，2024，19(1)：106-116.[34]LIP，WANGZX，WANGJH，etal.Amulti-time-spacescaleoptimaloperationstrategyforadistributedintegratedenergysystem[J].Appliedenergy，2021，289：116698.[35]LUY，XIANGY，HUANGY，etal.Deepreinforcementlearningbasedoptimalschedulingofactivedistributionsystemconsideringdistributedgeneration，energystorageandflexibleload[J].Energy，2023，271：127087.[36]LIANGT，CHAILL，TANJX，etal.Dynamicoptimizationofanintegratedenergysystemwithcarboncaptureandpower-to-gasinterconnection：adeepreinforcementlearning-basedschedulingstrategy[J].Appliedenergy，2024，367：123390.[37]李红霞，李建林，米阳.新能源侧储能优化配置技术研究进展[J].储能科学与技术，2022，11(10)：3257-3267.![]()
