Research Progress in Modeling and State Estimation of Energy Storage Batteries

LI Zhuohao; YANG Tianqiang; SHI Qionglin; JIANG Kai

doi:10.20121/j.2097-2784.ntps.230049

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Research Progress in Modeling and State Estimation of Energy Storage Batteries

更新时间：2025-06-05

- Research Progress in Modeling and State Estimation of Energy Storage Batteries
- New Type Power Systems Vol. 2, Issue 2, Pages: 140-161(2024)
- 作者机构：
  
  强电磁技术全国重点实验室(华中科技大学)，武汉 430074
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52337009;92372205;52277217)
- DOI：10.20121/j.2097-2784.ntps.230049
  CLC： TM 7
- Received：29 December 2023，
  
  Revised：2024-03-20，
  
  Published：30 May 2024
- 稿件说明：
移动端阅览
李卓昊,杨添强,石琼林,等．储能电池建模与状态估计研究进展[J]．新型电力系统,2024,02(2):140-161．

LI Zhuohao,YANG Tianqiang,SHI Qionglin,et al.Research Progress in Modeling and State Estimation of Energy Storage Batteries[J].New Type Power Systems,2024,02(02):140-161.
李卓昊,杨添强,石琼林,等．储能电池建模与状态估计研究进展[J]．新型电力系统,2024,02(2):140-161． DOI： 10.20121/j.2097-2784.ntps.230049.

LI Zhuohao,YANG Tianqiang,SHI Qionglin,et al.Research Progress in Modeling and State Estimation of Energy Storage Batteries[J].New Type Power Systems,2024,02(02):140-161. DOI： 10.20121/j.2097-2784.ntps.230049.

摘要

‍：储能电池具有能够平滑可再生能源输出，提高电力系统灵活性和应对电力需求峰谷等优势，有助于推动可再生能源发展，从而应对环境污染和能源紧缺的双重压力。目前市场主流的储能电池为锂离子电池，具有高比能特性，同时新型储能电池也在蓬勃发展，其中全钒液流电池具有高安全性的优势，液态金属电池具有超长循环寿命，在电力储能领域具有重要应用前景。储能电池的建模和状态估计对提高储能电池系统性能，确保其安全性以及优化维护效率至关重要，因此文中对锂离子电池、全钒液流电池和液态金属电池的建模和状态估计进行综述。首先，介绍了储能电池状态估计的整体框架，对基于实验的方法、基于模型的方法和基于数据驱动的方法进行整体介绍，并对荷电状态（state of charge，SOC）、健康状态（state of health，SOH）和剩余使用寿命（remaining useful life，RUL）进行概括；然后，从原理出发，分别总结了不同储能电池体系的内部工作过程、模型构建、状态估计与电池管理过程；最后，对不同储能电池体系的主要工作特性进行横向对比和总结，旨在为储能电池选择和发展提供启示。

Abstract

‍

Energy storage batteries are able to smooth renewable energy output

enhance power system flexibility

and address peak-demand scenarios. They play a pivotal role in promoting the development of renewable energy

thereby mitigating the dual pressures of environmental pollution and energy scarcity. Currently

lithium-ion batteries dominate the market

featuring high energy density characteristics. Emerging energy storage batteries are also thriving

with vanadium redox flow batteries offering high safety advantages

and liquid metal batteries boasting an ultra-long cycle life

which have an important application prospect in the field of power energy storage. Modeling and state estimation for energy storage batteries are crucial for enhancing the performance of energy storage battery systems

ensuring safety

and optimizing maintenance efficiency. Therefore

this paper provides a comprehensive review of the modeling and state estimation for lithium-ion batteries

vanadium redox flow batteries

and liquid metal batteries. Firstly

it introduces the overall framework of state estimation for energy storage batteries

providing a comprehensive overview of experiment-based

model-based

and data-driven methods. It summarizes the definitions of State of Charge (SOC)

State of Health (SOH)

and Remaining Useful Life (RUL). Subsequently

starting from the principles

the paper summarizes the internal workings

model construction

state estimation

and battery management processes of different energy storage battery systems. Finally

the paper conducts a horizontal comparison and summary of the main working characteristics of different energy storage battery systems

aiming to provide insights for the selection and development of energy storage batteries.

关键词

Keywords

references

胡鞍钢．中国实现2030年前碳达峰目标及主要途径 [J ] ．北京工业大学学报（社会科学版）， 2021 ， 21 （ 3 ）： 1 - 15 ．

HU Angang ． China’s goal of achieving carbon peak by 2030 and its main approaches [J ] ． Journal of Beijing University of Technology （Social Sciences Edition）， 2021 ， 21 （ 3 ）： 1 - 15 ．

FARES R L ， WEBBER M E ． The impacts of storing solar energy in the home to reduce reliance on the utility [J ] ． Nature Energy ， 2017 ， 2 （ 2 ）： 17001 ．

谢小荣，马宁嘉，刘威，等．新型电力系统中储能应用功能的综述与展望 [J ] ．中国电机工程学报， 2023 ， 43 （ 1 ）： 158 - 168 ．

XIE Xiaorong ， MA Ningjia ， LIU Wei ， et al ． Functions of energy storage in renewable energy dominated power systems：review and prospect [J ] ． Proceedings of the CSEE ， 2023 ， 43 （ 1 ）： 158 - 168 ．

ARBABZADEH M ， SIOSHANSI R ， JOHNSON J X ， et al ． The role of energy storage in deep decarbonization of electricity production [J ] ． Nature Communications ， 2019 ， 10 （ 1 ）： 3413 ．

任丽彬，许寒，宗军，等．大规模储能技术及应用的研究进展 [J ] ．电源技术， 2018 ， 42 （ 1 ）： 139 - 142 ．

REN Libin ， XU Han ， ZONG Jun ， et al ． Research progress of large-scale energy storage technologies and applications [J ] ． Chinese Journal of Power Sources ， 2018 ， 42 （ 1 ）： 139 - 142 ．

YAN J ， SHAMIM T ， CHOU S K ， et al ． Clean，efficient and affordable energy for a sustainable future [J ] ． Applied Energy ， 2017 ， 185 ： 953 - 962 ．

陈萌，赵谡，王亚林，等．大规模电化学储能系统故障监测与诊断研究综述 [J/OL ] ．中国电机工程学报， 2023 ： 1 - 17 [ 2024-03-28 ] ． https：//doi.org/10.13334/j.0258-8013.pcsee.230549 https://doi.org/10.13334/j.0258-8013.pcsee.230549 ．

CHEN Meng ， ZHAO Su ， WANG Yalin ， et al ． Review on fault monitoring and diagnosis of large-scale electrochemical energy storage system [J/OL ] ． Proceedings of the CSEE ， 2023 ： 1 - 17 [ 2024-03-28 ] ． https：//doi.org/10.13334/j.0258-8013.pcsee.230549 https://doi.org/10.13334/j.0258-8013.pcsee.230549 ．

KRISHAN O ， SUHAG S ． An updated review of energy storage systems：classification and applications in distributed generation power systems incorporating renewable energy resources [J ] ． International Journal of Energy Research ， 2019 ， 43 （ 12 ）： 6171 - 6210 ．

FENG X N ， ZHANG F S ， HUANG W S ， et al ． Mechanism of internal thermal runaway propagation in blade batteries [J ] ． Journal of Energy Chemistry ， 2024 ， 89 ： 184 - 194 ．

钟郅杰．储能电池管理系统状态估计研究 [D ] ．南京：东南大学， 2021 ．

ZHONG Zhijie ． Research on state estimation of energy storage battery management system [D ] ． Nanjing，China ： Southeast University ， 2021 ．

徐茂舒，沈旖，王晟，等．先进感知技术在电池状态估计中的应用与启示 [J ] ．电气工程学报， 2022 ， 17 （ 3 ）： 40 - 57 ．

XU Maoshu ， SHEN Yi ， WANG Sheng ， et al ． Application and enlightenment of advanced sensing technology in battery state estimation [J ] ． Journal of Electrical Engineering ， 2022 ， 17 （ 3 ）： 40 - 57 ．

WANG Y J ， TIAN J Q ， SUN Z D ， et al ． A comprehensive review of battery modeling and state estimation approaches for advanced battery management systems [J ] ． Renewable and Sustainable Energy Reviews ， 2020 ， 131 ： 110015 ．

THACKERAY M M ， DAVID W I F ， GOODENOUGH J B . Structural characterization of the lithiated iron oxides Li x Fe 3 O 4 and Li x Fe 2 O 3 （0 < x < 2） [J ] . Materials Research Bulletin ， 1982 ， 17 （ 6 ）： 785 - 793 .

余抒阳，罗文雷，解晶莹，等．锂离子电池释热机理与模型及安全改性技术研究综述 [J ] ．化学进展， 2023 ， 35 （ 4 ）： 620 - 642 ．

YU Shuyang ， LUO Wenlei ， XIE Jingying ， et al ． Review on mechanism and model of heat release and safety modification technology of lithium-ion batteries [J ] ． Progress in Chemistry ， 2023 ， 35 （ 4 ）： 620 - 642 ．

梅文昕．锂离子电池电化学-力-热耦合建模及安全应用 [D ] ．合肥：中国科学技术大学， 2022 ．

MEI Wenxin ． Electrochemical-mechanical-thermal coupling modeling and safety application of lithium ion battery [D ] ． Hefei，China ： University of Science and Technology of China ， 2022 ．

LIU K L ， GAO Y Z ， ZHU C ， et al ． Electrochemical modeling and parameterization towards control-oriented management of lithium-ion batteries [J ] ． Control Engineering Practice ， 2022 ， 124 ： 105176 ．

DOYLE M ， FULLER T F ， NEWMAN J ． Modeling of galvanostatic charge and discharge of the lithium/polymer/insertion cell [J ] ． Journal of the Electrochemical Society ， 1993 ， 140 （ 6 ）： 1526 - 1533 ．

RODRÍGUEZ A ， PLETT G L ， TRIMBOLI M S ． Comparing four model-order reduction techniques，applied to lithium-ion battery-cell internal electrochemical transfer functions [J ] ． eTransportation ， 2019 ， 1 ： 100009 ．

CHEN Q Y ， CHEN X H ， LI Z ． A fast numerical method with non-iterative source term for pseudo-two-dimension lithium-ion battery model [J ] ． Journal of Power Sources ， 2023 ， 577 ： 233258 ．

HARAN B S ， POPOV B N ， WHITE R E ． Determination of the hydrogen diffusion coefficient in metal hydrides by impedance spectroscopy [J ] ． Journal of Power Sources ， 1998 ， 75 （ 1 ）： 56 - 63 ．

徐兴，徐琪凌，王峰，等．车用锂离子动力电池电化学模型修正方法 [J ] ．机械工程学报， 2019 ， 55 （ 12 ）： 128 - 136 ．

XU Xing ， XU Qiling ， WANG Feng ， et al ． Modification method of electrochemical model for vehicular lithium-ion power battery [J ] ． Journal of Mechanical Engineering ， 2019 ， 55 （ 12 ）： 128 - 136 ．

PRADA E ， DI DOMENICO D ， CREFF Y ， et al ． Simplified electrochemical and thermal model of LiFePO 4 -graphite Li-ion batteries for fast charge applications [J ] ． Journal of the Electrochemical Society ， 2012 ， 159 （ 9 ）： A1508 - A1519 ．

LI C L ， CUI N X ， WANG C Y ， et al ． Reduced-order electrochemical model for lithium-ion battery with domain decomposition and polynomial approximation methods [J ] ． Energy ， 2021 ， 221 ： 119662 ．

NG K S ， MOO C S ， CHEN Y P ， et al ． Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries [J ] ． Applied Energy ， 2009 ， 86 （ 9 ）： 1506 - 1511 ．

HAQ I N ， SAPUTRA R H ， EDISON F ， et al ． State of charge （SoC） estimation of LiFePO4 battery module using support vector regression [C ] // Proceedings of the Joint International Conference on Electric Vehicular Technology and Industrial，Mechanical，Electrical and Chemical Engineering ． Surakarta，Indonesia ： IEEE ， 2015 ： 16 - 21 ．

PURWADI A ， RIZQIAWAN A ， KEVIN A ， et al ． State of Charge estimation method for lithium battery using combination of Coulomb Counting and Adaptive System with considering the effect of temperature [C ] // Proceedings of the 2nd IEEE Conference on Power Engineering and Renewable Energy ． Bali，Indonesia ： IEEE ， 2014 ： 91 - 95 ．

JEONG Y M ， CHO Y K ， AHN J H ， et al ． Enhanced Coulomb counting method with adaptive SOC reset time for estimating OCV [C ] // Proceedings of 2014 IEEE Energy Conversion Congress and Exposition ． Pittsburgh，USA ： IEEE ， 2014 ： 1313 - 1318 ．

刘萍，李泽文，蔡雨思，等．基于等效电路模型和数据驱动模型融合的SOC和SOH联合估计方法 [J/OL ] ．电工技术学报， 2023 ： 1 - 12 [ 2024-03-28 ] ． https：//doi.org/10.19595/j.cnki.1000-6753.tces.230261 https://doi.org/10.19595/j.cnki.1000-6753.tces.230261 ．

LIU Ping ， LI Zewen ， CAI Yusi ， et al ． Joint estimation method of SOC and SOH based on the fusion of equivalent circuit model and data-driven model [J/OL ] ． Transactions of China Electrotechnical Society ， 2023 ： 1 - 12 [ 2024-03-28 ] ． https：//doi.org/10.19595/j.cnki.1000-6753.tces.230261 https://doi.org/10.19595/j.cnki.1000-6753.tces.230261 ．

魏克新，陈峭岩．基于自适应无迹卡尔曼滤波算法的锂离子动力电池状态估计 [J ] ．中国电机工程学报， 2014 ， 34 （ 3 ）： 445 - 452 ．

WEI Kexin ， CHEN Qiaoyan ． States estimation of Li-ion power batteries based on adaptive unscented Kalman filters [J ] ． Proceedings of the CSEE ， 2014 ， 34 （ 3 ）： 445 - 452 ．

封居强，伍龙，黄凯峰，等．基于FFRLS和AEKF的锂离子电池SOC在线估计研究 [J ] ．储能科学与技术， 2021 ， 10 （ 1 ）： 242 - 249 ．

FENG Juqiang ， WU Long ， HUANG Kaifeng ， et al ． Online SOC estimation of a lithium-ion battery based on FFRLS and AEKF [J ] ． Energy Storage Science and Technology ， 2021 ， 10 （ 1 ）： 242 - 249 ．

田晟，吕清，李亚飞．基于STEKF的锂离子动力电池SOC估算 [J ] ．华南理工大学学报（自然科学版）， 2020 ， 48 （ 2 ）： 69 - 75 ．

TIAN Sheng ， LÜ Qing ， LI Yafei ． SOC estimation of Li-ion power battery based on STEKF [J ] ． Journal of South China University of Technology （Natural Science Edition）， 2020 ， 48 （ 2 ）： 69 - 75 ．

BIAZI V ， MOREIRA A C ， PINTO J L ， et al ． A particle filter-based virtual sensor for estimating the state of charge and internal temperature of lithium-ion batteries：implementation in a simulated study case [J ] ． Journal of Energy Storage ， 2023 ， 61 ： 106814 ．

QIAO J L ， WANG S L ， YU C M ， et al ． A chaotic firefly - Particle filtering method of dynamic migration modeling for the state-of-charge and state-of-health co-estimation of a lithium-ion battery performance [J ] ． Energy ， 2023 ， 263 ： 126164 ．

HAO X Y ， WANG S L ， FAN Y C ， et al ． An improved forgetting factor recursive least square and unscented particle filtering algorithm for accurate lithium-ion battery state of charge estimation [J ] ． Journal of Energy Storage ， 2023 ， 59 ： 106478 ．

周娟，孙啸，刘凯，等．联合扩展卡尔曼滤波的滑模观测器SOC估算算法研究 [J ] ．中国电机工程学报， 2021 ， 41 （ 2 ）： 692 - 702 ．

ZHOU Juan ， SUN Xiao ， LIU Kai ， et al ． Research on the SOC estimation algorithm of combining sliding mode observer with extended Kalman filter [J ] ． Proceedings of the CSEE ， 2021 ， 41 （ 2 ）： 692 - 702 ．

孙冬，陈息坤．基于离散滑模观测器的锂电池荷电状态估计 [J ] ．中国电机工程学报， 2015 ， 35 （ 1 ）： 185 - 191 ．

SUN Dong ， CHEN Xikun ． Charge state estimation of Li-ion batteries based on discrete-time sliding mode observers [J ] ． Proceedings of the CSEE ， 2015 ， 35 （ 1 ）： 185 - 191 ．

BHATTACHARJEE A ， VERMA A ， MISHRA S ， et al ． Estimating state of charge for xEV batteries using 1D convolutional neural networks and transfer learning [J ] ． IEEE Transactions on Vehicular Technology ， 2021 ， 70 （ 4 ）： 3123 - 3135 ．

ZHOU X ， STEIN J L ， ERSAL T ． Battery state of health monitoring by estimation of the number of cyclable Li-ions [J ] ． Control Engineering Practice ， 2017 ， 66 ： 51 - 63 ．

LIU S L ， DONG X ， YU X D ， et al ． A method for state of charge and state of health estimation of lithium-ion battery based on adaptive unscented Kalman filter [J ] ． Energy Reports ， 2022 ， 8 Suppl 8 ： 426 - 436 ．

YOU G W ， PARK S ， OH D ． Real-time state-of-health estimation for electric vehicle batteries：a data-driven approach [J ] ． Applied Energy ， 2016 ， 176 ： 92 - 103 ．

LIU Y F ， SUN G Q ， LIU X W ． Remaining useful life prediction of lithium-ion batteries based on peak interval features and deep learning [J ] ． Journal of Energy Storage ， 2023 ， 73 ： 109308 ．

EL-DALAHMEH M ， AL-GREER M ， EL-DALAHMEH M ， et al ． Physics-based model informed smooth particle filter for remaining useful life prediction of lithium-ion battery [J ] ． Measurement ， 2023 ， 214 ： 112838 ．

XU C ， ZHANG E ， YAN S ， et al ． State of charge estimation for liquid metal battery based on an improved sliding mode observer [J ] ． Journal of Energy Storage ， 2022 ， 45 ： 103701 ．

HE N ， WANG Q Q ， LU Z F ， et al ． Early prediction of battery lifetime based on graphical features and convolutional neural networks [J ] ． Applied Energy ， 2024 ， 353 ： 122048 ．

SEVERSON K A ， ATTIA P M ， JIN N ， et al ． Data-driven prediction of battery cycle life before capacity degradation [J ] ． Nature Energy ， 2019 ， 4 （ 5 ）： 383 - 391 ．

张朝龙，赵筛筛，何怡刚．基于集成经验模态分解与集成机器学习的锂离子电池剩余使用寿命预测方法 [J ] ．电力系统保护与控制， 2023 ， 51 （ 13 ）： 177 - 186 ．

ZHANG Chaolong ， ZHAO Shaishai ， HE Yigang ． Remaining useful life prediction method for lithium-ion batteries based on ensemble empirical mode decomposition and ensemble machine learning [J ] ． Power System Protection and Control ， 2023 ， 51 （ 13 ）： 177 - 186 ．

LI Y F ， SUN L G ， CAO L Y ， et al ． Dynamic model based membrane permeability estimation for online SOC imbalances monitoring of vanadium redox flow batteries [J ] ． Journal of Energy Storage ， 2021 ， 39 ： 102688 ．

ALPHONSE P J ， ELDEN G ． The investigation of thermal behavior in a vanadium redox flow battery during charge and discharge processes [J ] ． Journal of Energy Storage ， 2021 ， 40 ： 102770 ．

BARELLI L ， BIDINI G ， OTTAVIANO P A ， et al ． Electric vehicles fire protection during charge operation through Vanadium-air flow battery technology [J ] ． Heliyon ， 2021 ， 7 （ 9 ）： e08064 ．

YOU D J ， ZHANG H M ， SUN C X ， et al ． Simulation of the self-discharge process in vanadium redox flow battery [J ] ． Journal of Power Sources ， 2011 ， 196 （ 3 ）： 1578 - 1585 ．

ZHOU X L ， ZHAO T S ， AN L ， et al ． A vanadium redox flow battery model incorporating the effect of ion concentrations on ion mobility [J ] ． Applied Energy ， 2015 ， 158 ： 157 - 166 ．

OH K ， WON S ， JU H ． A comparative study of species migration and diffusion mechanisms in all-vanadium redox flow batteries [J ] ． Electrochimica Acta ， 2015 ， 181 ： 238 - 247 ．

XIONG B Y ， LI Y ， DING Y M ， et al ． Numerical analysis of vanadium redox flow batteries considering electrode deformation under various flow fields [J ] ． Journal of Power Sources ， 2023 ，564：232814．．

CHEN Y X ， BAO J ， XU Z J ， et al ． A hybrid analytical and numerical model for cross-over and performance decay in a unit cell vanadium redox flow battery [J ] ． Journal of Power Sources ， 2023 ， 578 ： 233210 ．

LI M H ， FUNAKI T ， HIKIHARA T ． A study of output terminal voltage modeling for redox flow battery based on charge and discharge experiments [C ] // Proceedings of 2007 Power Conversion Conference - Nagoya ． Nagoya，Japan ： IEEE ， 2007 ： 221 - 225 ．

PUGACH M ， KONDRATENKO M ， BRIOLA S ， et al ． Zero dimensional dynamic model of vanadium redox flow battery cell incorporating all modes of vanadium ions crossover [J ] ． Applied Energy ， 2018 ， 226 ： 560 - 569 ．

LI Y F ， SKYLLAS-KAZACOS M ， BAO J ． A dynamic plug flow reactor model for a vanadium redox flow battery cell [J ] ． Journal of Power Sources ， 2016 ， 311 ： 57 - 67 ．

QIU Y ， LI X ， CHEN W ， et al ． State of charge estimation of vanadium redox battery based on improved extended Kalman filter [J ] ． ISA Transactions ， 2019 ， 94 ： 326 - 337 ．．

XIONG B Y ， ZHAO J Y ， SU Y X ， et al ． State of charge estimation of vanadium redox flow battery based on sliding mode observer and dynamic model including capacity fading factor [J ] ． IEEE Transactions on Sustainable Energy ， 2017 ， 8 （ 4 ）： 1658 - 1667 ．

朱明月．全钒液流电池荷电状态估计方法研究 [D ] ．长春：吉林大学， 2022 ．

ZHU Mingyue ． Research on state-of-charge estimation method of vanadium redox flow battery [D ] ． Changchun， China ： Jilin University ， 2022 ．

PETCHSINGH C ， QUILL N ， JOYCE J T ， et al ． Spectroscopic measurement of state of charge in vanadium flow batteries with an analytical model of VIV-VV absorbance [J ] ． Journal of the Electrochemical Society ， 2015 ， 163 （ 1 ）： A5068 - A5083 ．

KONEV D V ， ISTAKOVA O I ， SEREDA О А ， et al ． In situ UV-visible spectroelectrochemistry in the course of oxidative monomer electrolysis [J ] ． Electrochimica Acta ， 2015 ， 179 ： 315 - 325 ．

NOLTE O ， GEITNER R ， HAGER M D ， et al ． IR spectroscopy as a method for online electrolyte state assessment in RFBs [J ] ． Advanced Energy Materials ， 2021 ， 11 （ 28 ）： 2100931 ．

RUDOLPH S ， SCHRÖDER U ， BAYANOV I M ， et al ． High resolution state of charge monitoring of vanadium electrolytes with IR optical sensor [J ] ． Journal of Electroanalytical Chemistry ， 2013 ， 694 ： 17 - 22 ．

ZHAO E W ， LIU T ， JÓNSSON E ， et al ． In situ NMR metrology reveals reaction mechanisms in redox flow batteries [J ] ． Nature ， 2020 ， 579 （ 7798 ）： 224 - 228 ．

WANG E ， ZHAO E W ， GREY C P ． New magnetic resonance and computational methods to study crossover reactions in Li-air and redox flow batteries using TEMPO [J ] ． The Journal of Physical Chemistry C ， 2021 ， 125 （ 50 ）： 27520 - 27533 ．

JIA C K ， LIU Q ， SUN C J ， et al ． In situ X-ray near-edge absorption spectroscopy investigation of the state of charge of all-vanadium redox flow batteries [J ] ． ACS Applied Materials & Interfaces ， 2014 ， 6 （ 20 ）： 17920 - 17925 ．

NGAMSAI K ， ARPORNWICHANOP A ． Measuring the state of charge of the electrolyte solution in a vanadium redox flow battery using a four-pole cell device [J ] ． Journal of Power Sources ， 2015 ， 298 ： 150 - 157 ．

LI X R ， XIONG J ， TANG A ， et al ． Investigation of the use of electrolyte viscosity for online state-of-charge monitoring design in vanadium redox flow battery [J ] ． Applied Energy ， 2018 ， 211 ： 1050 - 1059 ．

BEYER K ， GROSSE AUSTING J ， SATOLA B ， et al ． Electrolyte imbalance determination of a vanadium redox flow battery by potential-step analysis of the initial charging [J ] ． ChemSusChem ， 2020 ， 13 （ 8 ）： 2066 - 2071 ．

LOKTIONOV P ， PICHUGOV R ， KONEV D ， et al ． Operando UV/Vis spectra deconvolution for comprehensive electrolytes analysis of vanadium redox flow battery [J ] ． Journal of Electroanalytical Chemistry ， 2022 ， 925 ： 116912 ．

WEI Z B ， TSENG K J ， WAI N ， et al ． Adaptive estimation of state of charge and capacity with online identified battery model for vanadium redox flow battery [J ] ． Journal of Power Sources ， 2016 ， 332 ： 389 - 398 ．

LEE K J ， LEE W H ， KIM K K K ． Battery state-of-charge estimation using data-driven Gaussian process Kalman filters [J ] ． Journal of Energy Storage ， 2023 ， 72 ： 108392 ．

XIONG B Y ， ZHANG H J ， DENG X T ， et al ． State of charge estimation based on sliding mode observer for vanadium redox flow battery [C ] // Proceedings of 2017 IEEE Power & Energy Society General Meeting ． Chicago，USA ： IEEE ， 2017 ： 1 - 5 ．

LUO Z X ， QU D W ， FAN L Y ， et al ． State of charge estimation for the vanadium redox flow battery based on the Sage—Husa adaptive extended Kalman filter [J ] ． International Journal of Circuit Theory and Applications ， 2024 ， 52 （ 1 ）： 380 - 395 ．

杨洋．全钒液流电池系统性能评估与状态估计 [D ] ．成都：西南交通大学， 2019 ．

YANG Yang ． Performance evaluation and state estimation of vanadium redox flow battery system [D ] ． Chengdu，China ： Southwest Jiaotong University ， 2019 ．

KHAKI B ， DAS P ． An equivalent circuit model for Vanadium Redox Batteries via hybrid extended Kalman filter and Particle filter methods [J ] ． Journal of Energy Storage ， 2021 ， 39 ： 102587 ．

ZHAO X B ， KIM K ， JUNG S ． State-of-charge estimation using data fusion for vanadium redox flow battery [J ] ． Journal of Energy Storage ， 2022 ， 52 ： 104852 ．

XIONG B Yu ， ZHAO J Y ， WEI Z B ， et al ． Extended Kalman filter method for state of charge estimation of vanadium redox flow battery using thermal-dependent electrical model [J ] ． Journal of Power Sources ， 2014 ， 262 ： 50 - 61 ．

LI R ， XIONG B Y ， ZHANG S F ， et al ． A novel one dimensional convolutional neural network based data-driven vanadium redox flow battery modelling algorithm [J ] ． Journal of Energy Storage ， 2023 ， 61 ： 106767 ．

NIU H T ， HUANG J Q ， WANG C G ， et al ． State of charge prediction study of vanadium redox-flow battery with BP neural network [C ] // Proceedings of 2020 IEEE International Conference on Artificial Intelligence and Computer Applications ． Dalian，China ： IEEE ， 2020 ： 1289 - 1293 ．

CAO H F ， ZHU X J ， SHEN H F ， et al ． A neural network based method for real-time measurement of capacity and SOC of vanadium redox flow battery [C ] // Proceedings of the ASME 2015 13th International Conference on Fuel Cell Science，Engineering and Technology collocated with the ASME 2015 Power Conference，the ASME 2015 9th International Conference on Energy Sustainability，and the ASME 2015 Nuclear Forum ． San Diego，USA ： ASME ， 2015 ： FUELCEL L2015 - 49305 ．

PULESTON T ， CLEMENTE A ， COSTA-CASTELLÓ R ， et al ． Modelling and estimation of vanadium redox flow batteries：a review [J ] ． Batteries ， 2022 ， 8 （ 9 ）： 121 ．

WEI Z B ， BHATTARAI A ， ZOU C F ， et al ． Real-time monitoring of capacity loss for vanadium redox flow battery [J ] ． Journal of Power Sources ， 2018 ， 390 ： 261 - 269 ．

NOLTE O ， VOLODIN I A ， STOLZE C ， et al ． Trust is good，control is better：a review on monitoring and characterization techniques for flow battery electrolytes [J ] ． Materials Horizons ， 2021 ， 8 （ 7 ）： 1866 - 1925 ．

LI H M ， YIN H Y ， WANG K L ， et al ． Liquid metal electrodes for energy storage batteries [J ] ． Advanced Energy Materials ， 2016 ， 6 （ 14 ）： 1600483 ．

WANG K L ， JIANG K ， CHUNG B ， et al ． Lithium-antimony-lead liquid metal battery for grid-level energy storage [J ] ． Nature ， 2014 ， 514 （ 7522 ）： 348 - 350 ．

KIM H ， BOYSEN D A ， NEWHOUSE J M ， et al ． Liquid metal batteries：past，present，and future [J ] ． Chemical Reviews ， 2013 ， 113 （ 3 ）： 2075 - 2099 ．

GUO Z L ， XU C ， LI W ， et al ． Numerical study on the thermal management system of a liquid metal battery module [J ] ． Journal of Power Sources ， 2018 ， 392 ： 181 - 192 ．

PERSONNETTAZ P ， LANDGRAF S ， NIMTZ M ， et al ． Mass transport induced asymmetry in charge/discharge behavior of liquid metal batteries [J ] ． Electrochemistry Communications ， 2019 ， 105 ： 106496 ．

HERREMAN W ， BÉNARD S ， NORE C ， et al ． Solutal buoyancy and electrovortex flow in liquid metal batteries [J ] ． Physical Review Fluids ， 2020 ， 5 （ 7 ）： 074501 ．

WEBER N ， DUCZEK C ， HORSTMANN G M ， et al ． Cell voltage model for Li-Bi liquid metal batteries [J ] ． Applied Energy ， 2022 ， 309 ： 118331 ．

SHI Q L ， GUO Z L ， WANG S ， et al ． Physics-based fractional-order model and parameters identification of liquid metal battery [J ] ． Electrochimica Acta ， 2022 ， 428 ： 140916 ．

WEBER N ， BECKSTEIN P ， GALINDO V ， et al ． Electro-vortex flow simulation using coupled meshes [J ] ． Computers & Fluids ， 2018 ， 168 ： 101 - 109 ．

NEWHOUSE J M ． Modeling the operating voltage of liquid metal battery cells [D ] ． Cambridge，USA ： Massachusetts Institute of Technology ， 2014 ： 188 ．

XU C ， CHENG S J ， WANG K L ， et al ． A fractional-order model for liquid metal batteries [J ] ． Energy Procedia ， 2019 ， 158 ： 4690 - 4695 ．

林靖，王晟，李浩秒，等．液态金属电池的温度特性 [J ] ．中国电机工程学报， 2021 ， 41 （ 4 ）： 1458 - 1468 ．

LIN Jing ， WANG Sheng ， LI Haomiao ， et al ． Temperature characteristics of liquid metal batteries [J ] ． Proceedings of the CSEE ， 2021 ， 41 （ 4 ）： 1458 - 1468 ．

王大磊，王康丽，程时杰，等．液态金属电池储能特性建模及荷电状态估计 [J ] ．中国电机工程学报， 2017 ， 37 （ 8 ）： 2253 - 2260 ．

WANG Dalei ， WANG Kangli ， CHENG Shijie ， et al ． Modeling of energy storage properties and SOC estimation for liquid metal batteries [J ] ． Proceedings of the CSEE ， 2017 ， 37 （ 8 ）： 2253 - 2260 ．

WANG X ， SONG Z X ， YANG K ， et al ． State of charge estimation for lithium-bismuth liquid metal batteries [J ] ． Energies ， 2019 ， 12 （ 1 ）： 183 ．

LIU G A ， XU C ， JIANG K ， et al ． State of charge and model parameters estimation of liquid metal batteries based on adaptive unscented Kalman filter [J ] ． Energy Procedia ， 2019 ， 158 ： 4477 - 4482 ．

XU C ， ZHANG E ， JIANG K ， et al ． Dual fuzzy-based adaptive extended Kalman filter for state of charge estimation of liquid metal battery [J ] ． Applied Energy ， 2022 ， 327 ： 120091 ．

SHI Q L ， ZHAO L ， ZHANG E ， et al ． The future capacity prediction using a hybrid data-driven approach and aging analysis of liquid metal batteries [J ] ． Journal of Energy Storage ， 2023 ， 67 ： 107637 ．

CAI M Y ， ZHANG E ， LIN J ， et al ． Route optimization battery equalization for series connected liquid metal battery strings [C ] // Proceedings of 2021 IEEE 4th International Electrical and Energy Conference ． Wuhan，China ： IEEE ， 2021 ： 1 - 5 ．

张娥．液态金属电池组均衡控制研究 [D ] ．武汉：华中科技大学， 2020 ．

ZHANG E ． Research on the equalization control for liquid metal batteries [D ] ． Wuhan，China ： Huazhong University of Science and Technology ， 2020 ．

ZHANG Y ， WANG S ， GUO Z L ， et al ． A multi-input single-output thermal management system design for liquid metal batteries [J ] ． Applied Thermal Engineering ， 2023 ， 219 ： 119575 ．

ZHANG Y ， ZHANG E ， GUO Z L ， et al ． Numerical study on thermal characteristics under external short circuit for Li||Bi liquid metal batteries [J ] ． Applied Energy ， 2023 ， 348 ： 121480 ．

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰