储能电站事故频出，是消防监控技术不起作用还是技术搭配合理？

一、国内外先进储能监控系统结构图‍‍‍‍‍‍

（1）ATL 公司在日本开发了一套 500KW/2MWh 储能电站监控系统

储能监控系统通过数据采集与监控系统(SCADA)将主要信息包括并网数据、储能逆变器 PCS 数据以及 NaS 电池数据上传到上位机调度。同时，人机界面(HMI)在本地对储能电站进行监控。

（2）2011 年国家风光储输示范工程一期建成了 20 MW 铁锂电池储能电站监控系统‍‍‍

储能电站监控系统和就地监测装置，储能电站监控系统由前置管理机、实时/历史服务器、研究数据库服务器、运行人员工作站和工程师工作站组成；就地监测装置由就地监测单元、电池管理系统(BMS)、变流装置等组成。

二、储能电站监控系统关键技术‍‍‍‍‍‍‍

（1）储能电站锂电池 SOC 校正技术

国内外提出的锂电池 SOC 估计方法主要分为三种。

第一种是基于电池的物理特性进行计算的方法，包括安时积分法和开路电压法。

第二种是通过建立锂电池的等效电路模型，然后采用卡尔曼滤波算法或在此基础上进行改进和优化的滤波算法来进行预测。

第三种方法是将锂电池视为一个黑箱模型，根据长时间的数据训练建立数学模型与经验方程，如：神经网络法、支持向量机等，构建出锂电池 SOC 与电池某些量（如电压、电流或者温度等）之间的关系。

（2）储能电站锂电池健康诊断SOH技术

锂电池SOH 按照所使用信息源的不同主要分为三种：

第一种是基于电池本身化学反应机理，考虑电池老化过程中各种因素影响下，建立电池等效模型，并通过该模型分析预测电池 SOH，该方法预测准确，但模型建立复杂，参数量大，计算复杂

第二种是基于电池老化过程中的特征参数建立起特征参数与电池健康状态之间的关系，常见的方法有通过在电池循环不同阶段测量电化学阻抗谱EIS分析等效电路模型中阻抗参数与电池循环次数之间的关系，继而预测锂电池 SOH，该方法估计精度高，但测量困难，测试设备昂贵

第三种是基于数据驱动的 SOH 估计，采集大量电池测试数据并进行分析，如通过支持向量机SVM、神经网络NN算法、粒子滤波PF算法等进行锂电池 SOH 预测估计，其 SOH 估计精度往往依赖于数据采集的深度与广度。

（3）储能电站消防安全管理技术

传统的消防方式通常采用七氟丙烷灭火剂进行灭火，通过实验发现在火灾前期发生前期，采用七氟丙烷灭火剂灭火明显，但在后期七氟丙烷灭火剂的灭火和降温效果比较差，容易复燃。因此对于后期易复燃的锂电池储能电站而言，七氟丙烷灭火剂的实用性较差。

研究发现 CO2、泡沫和干粉三种灭火剂均能有效扑灭锂电池火灾的明火，但在灭火后均会出现复燃现象。

研究发现自动水喷淋技术的灭火效果，研究表明自动水喷淋技术虽然灭火效果明显，但在储能电站火灾前期，水喷淋可能引起带电体及其线路短路诱发火灾或扩大电气事故，且水喷淋灭火范围过大从而导致储能电站内其他非故障电池短路损坏无法正常使用，造成不必要的损失。

最新研究设计开发出了一种 Novec1230 火探管灭火系统，能够有效针对单体电池出现热失控起火后进行对点精准灭火；高压细水雾系统在冷却和抑制锂电池热失控时的实用性，并对储能电站火灾后产生的烟雾起到净化作用。

内容源于《储能电站监控系统关键技术研究与实现》

【免责声明】 文章为作者独立观点，不代表"新能源时代"公众号立场。如因作品内容、版权等存在问题，请于本文刊发7日内联系"新能源时代"公众号进行删除或洽谈版权使用事宜。

--【电池工艺】--

[1] 精品 |锂电池之正极配料

[2] 精品 |锂电池之负极配料和涂布

[3] 精品 |锂电池之对辊和分切

[4] 精品 |正极涂布

[5] 精品 |锂电池之入壳和滚槽

[7] 精品 |锂电池之封口和清洗

[8] 精品 |锂电池之化成和分容

--【电池设计】--

--【设计理论】--

--【电池材料测及评估标准】--

--【电池模型】--

--【电池测试】--

--【燃料电池】--