朱沐雨团队在《中国电力》发表储能电池组荷电状态估计论文

　　河海大学电气与动力工程学院朱沐雨团队在《中国电力》发表论文《典型调峰_调频工况下储能电池组荷电状态估计》。该研究针对电网典型工况下储能电池组荷电状态(SOC)估算精度低的问题，提出基于核主成分分析(KPCA)-鹈鹕优化(POA)-双向门控循环单元(BiGRU)的SOC估计模型，通过设计调峰/调频工况充放电实验提取融合特征，优化模型超参数并验证有效性，显著提升了复杂工况下SOC估计精度与鲁棒性。

　　随着新型电力系统建设推进，以磷酸铁锂电池为核心的电化学储能技术在新能源消纳、电网调节中广泛应用。但储能电站运行工况复杂，高电压、大电流环境易引发电池故障，准确的SOC估计作为电池管理系统核心功能，是预防过充过放、保障安全运维的关键。现有研究多聚焦单体电池或忽略典型工况，难以适配调峰(恒流充放)与调频(频繁浅充浅放)的复杂实际场景，估算精度不足。

　　为破解这一难题，团队搭建了包含电池测试系统、恒温箱和上位机的实验平台，以比亚迪220 A·h磷酸铁锂电池组为对象，模拟调峰工况SOC 10%→90%→10%骤变与调频工况SOC 90%缓慢衰减至10%的真实场景，采集电压、电流、温度及单体极差等7类特征数据，经15秒间隔抽样获得调峰2078组、调频10053组有效数据。

　　团队创新构建三级优化模型：通过KPCA算法对原始特征降维去冗余，提取前3个累计贡献率超90%的主成分，大幅提升模型训练效率;利用POA算法优化BiGRU网络超参数，解决长序列预测的长期依赖问题;针对不同工况特性构建双模型，可根据电网指令灵活切换。实验表明，该模型在调峰工况下均方根误差低至0.008645，拟合优度达0.9987;调频工况均方根误差为0.009983，拟合优度0.9930，显著优于KELM、BiLSTM等传统模型。

　　在混合工况测试中，双模型较单模型误差下降61.8%，展现出更强的稳定性。该研究融合多算法优势，精准匹配储能电站实际运行需求，为储能电池组安全监测与运维提供了可靠技术支撑，对推动电化学储能技术规模化应用、保障新型电力系统稳定运行具有重要意义。未来，团队将进一步优化模型在极端环境下的适应性，拓展其工程应用场景。