基于动态可重构电池网络的储能系统本质安全机制及实例分析

在能源互联网时代，电池储能系统将被广泛用于各种工业、商业和居民场景，如可再生能源、电动汽车和不间断电源等

。然而，电池系统在实际运行过程中，受当前电、热和安全管理系统技术发展水平的限制，容易引发内短路、热失控等安全问题

。因此，电池储能系统的可靠性和安全性等性能指标成为了制约储能系统商业化发展的关键因素。

为了解决储能系统安全性问题，传统电池网络通常采用各种故障诊断方法

。现有的故障诊断方法主要分为基于电池模型和无电池模型两大类。基于模型的方法通过比较模型预测值与实测值的差异，实现故障预警

；无电池模型的方法依赖样本数据和历史经验对电池故障进行诊断

。然而，这些故障诊断方法着眼于故障发生后的预警，难以从电热管理的角度降低故障发生的概率，且无法实现故障电池的精准切除，在保障储能系统本质安全层面仍有所欠缺。

Study on the Yellow River Tourism in Shanxi Oriented by the All-For-One Tourism_____________________SANG Ziyu,HU Weixia 1

混合励磁型磁通切换电动机(flux switching hybrid excitation machine，FSHM )是在永磁磁通切换电动机基础之上发展起来的一种新型无刷电动机，其永磁体、电枢绕组和励磁绕组都置于定子内，转子结构简单、可靠，适合高速运行。

本质安全最初应用于煤矿、化工等行业，近些年来在电化学储能领域逐渐得到重视，被认为是从根源上消除或减少危险的途径

。传统安全管理方法着眼于控制危险发生时造成的危害，而本质安全的核心理念是将危险发生的概率降低至足够小甚至为零。目前针对电池领域的本质安全讨论较少，相关研究仍有待深入。

4类结节的检查者均建议进行肺穿刺活检。发现恶性结节16例，占总体检查人数的0.85%，占4类结节36%，其中男性13例，女性3例，平均年龄60岁。4类结节有短毛刺、胸膜凹陷征共15例，其中11例病理为恶性，占73%。

传统电池网络通常采取固定串并联的结构，电池系统的性能取决于最弱的电池单体或模组，易引发过充、过放、热堆积等问题，进而造成内短路、热失控等严重故障。为了解决传统电池网络由于“短板效应”造成的本质安全欠缺问题，本工作提出了一种基于动态可重构电池网络的储能系统架构，通过低功耗功率半导体器件与电池进行深度耦合，将电池从电化学反应装置转变为一种新型数字装置，从可控并联降低热损耗、动态重组防止热堆积、故障电池的快速切除3个方面阐述了该系统的本质安全机制，并提出了一种基于开路电压(open circuit voltage，OCV)实时检测的故障隔离方法，解决了传统电池网络“测不准”“断不开”的难题。最后，本工作通过实际工程案例数据阐述数字储能系统在突发故障时的在线诊断和快速自动隔离疑似故障方面的本质安全机制，为提高电化学储能系统的安全性和经济性提供一种新的路径。

数字储能电站由20 个储能集装箱构成，每个储能集装箱的输出规格为四路125 kW 交流电源，电压等级为0.4 kV。一个集装箱包含4 组DESS，每个DESS的结构示意图如图7所示，其电气规格为716 V/600 Ah。一个DESS由若干个电池模组按照3并14串的动态可重构电池网络连接构成。其中，电池模组为磷酸铁锂电池，由16 个电池单体以串联的方式连接而成，模组的电气规格为51.2 V/200 Ah。

1 动态可重构电池网络的工作原理

针对差异化性能的电池单体大规模集成的电池储能系统，动态可重构电池网络是实现电池状态检测、运行控制和故障隔离等功能的基础

。DRBN由大量的电池单体(模组)与高频电力电子开关通过串并联的方式构成，在实际运行时，通过开关的高频动作，既可以选择特定的电池接入系统，又能够改变现有拓扑的串并联关系。此外，可重构网络还具备将任何一个电池从系统中隔离的能力。在不同的可重构电池网络结构中，每个单体(模组)对应开关的数量不同，一般地，随着开关数量的增加，系统对故障的处理能力增强，但控制复杂度也相应升高

。

我们采用语法可接受度测试，来探索中国英语学习者是否具有区分限定与非限定动词的元语言能力。语法可接受度测试是心理语言学常用的研究工具，可以反映出学习者的显性知识。

对于电池系统，电的变化快于力的变化，而力的变化又快于热的变化，从电的角度快速捕捉系统异常，是快速诊断电池故障、减小故障损失、提高系统安全性的关键所在。而对于电池模组，其内部的变化最终都会反映到外特性上，模组是一端口网络，其电学外特性包括端口工作电压、开路电压、模组电流等，其中开路电压与模组SOC 有着一一对应的关系

，是反映电池容量状态的重要参数。电池模组内部的过充、过放、内短路、绝缘损坏等故障都可以通过模组的OCV异常体现出来。因此，精确的OCV测量对电池的故障隔离意义重大。

其中，∆

表示电池容量的增量，单位是Ah；

表示流过电池的电流大小，单位是A，符号充电为正，放电为负；

表示电池接入系统的时间，单位是h。

从式(1)不难看出，对于电池网络的容量管控，可以从电流和时间两个角度入手。现有的电池管理系统都是以调节电流为手段，通过在电池网络中加入电阻、电容、线圈绕组、电力电子变换器等元件或设备

，改变电流在不同单体或模组间的分布，实现容量管控。这种方式由于引入了额外的器件，会增大能量损耗，使电池网络的效率降低。

动态可重构电池网络则是通过调节时间来实现充放电控制

。图1 展示了一种动态可重构电池网络设计，网络拓扑为

并

串，每个电池单体

C

与一个开关

S

串联，每

个并联单体会与一个旁路开关

S

并联，为电流提供通路。当并联组内的

个单体均从系统断开时，旁路开关才会闭合。电池系统充放电的过程可以视为一个个很短的时间段

T

的叠加，这个时间段被称为重构周期，在每个重构周期开始前，系统会对负载需求和电池状态进行评估，并选择最优的控制方案对网络拓扑进行重构。目前文献中的控制策略有排序法

、动态规划法

、模型预测控制法

、机器学习法

等。

“温比亚”露出了她真实的面容，原来是一位狰狞凶残的巫婆。她吼叫着，像只饿狼。上天悲切，嚎啕痛哭；大地颤抖，呻吟不止。楼下碗口粗的梧桐树，被摁弯了腰，顽强抗争着；咯吱咯吱——这只巨兽撕咬着楼房厚厚的墙壁；密集的雨滴击打着玻璃窗，抬头一望，窗户泪流满面，一肚子委屈。巫婆在外疯狂地叫嚣：“哈哈，这个世界是我的！是我的！”看我一脸不屑，她怒火万丈，隔窗向我挑战。我起身干脆打开一扇窗，她伸出冰冷的手拽我，怎奈我纹丝不动，她气急败坏又无可奈何。我戴着花镜，继续看书。哈，看谁能笑到最后。

动态可重构电池网络的设计尽管也用到了大量的电力电子开关，但与电力电子变换器的容量管控方案有着本质上的区别。这里的开关用于控制每个电池的充放电时长，其通断频率小于或等于重构频率，属于Hz 量级。相对而言，电力电子变换器要实现斩波、整流、逆变等功能，其开关频率属于kHz甚至MHz量级，在大部分的场合下变换器还需要级联使用，这进一步增大了系统的能量损耗。

发烧本身是一种疾病吗？把烧退了就能把病治好吗？如果我们都能了解有关发烧的基本常识，很多医患纠纷就能避免，滥用输液的现象也能减少很多。

2 基于动态可重构电池网络的本质安全机制分析

为了满足负载对于电压和功率的需求，传统电池系统通常将大容量电池单体或模组串联给负载供电。在整个充放电周期内，电芯会源源不断地流过工作电流，进而产生大量的热量。当负载功率过大、电芯的冷却环境较差时，就会在电芯内部产生热堆积。此外，由于各个电芯的参数存在差异性，且不同电芯的散热条件不同，电芯的温度分布也存在不一致性。这会导致局部电芯的温度过高，严重地影响电池的使用寿命，同时增加了故障发生的风险。

一方面，为了降低故障发生的概率，电池系统需要控制电芯的发热，防止温度过高。传统的电池网络为了避免电芯的直接并联带来的安全隐患，通常选用大容量电芯串联的结构，以满足负载的功率需求。图3对比了最大输出功率相同的传统电池网络与DRBN的拓扑结构，DRBN将大容量的电芯替换成

个小容量电芯的柔性并联，这样做既可以实现可控并联降低热损耗，又能够通过拓扑的动态重组防止单个电芯的热堆积，进而避免电芯的温度过高。

考虑到负载曲线具有波动大、难以预测等特点，针对不同功率的负载，动态可重构电池网络在保证本质安全时的侧重点也不同。以放电为例，假定系统的最大输出功率为

，则任意时刻系统的放电功率为

其中，

是功率因子，范围是0～1，表示当前系统功率占最大输出功率的比例。当

接近1 时，系统必须工作在全选模式，以提供足够大的电流，此时本质安全主要体现在可控并联能够降低电芯的热损耗；当

变小时，系统可以工作在

选

的模式，此时本质安全主要体现在电芯的动态重组能够防止热量在局部电芯上的堆积。

另一方面，大量电力电子开关与电芯的深度耦合也为故障电池的快速切除提供了有力手段。借助高频电力电子开关的通断特性，动态可重构网络能够在实时运行的条件下监测每个电芯的开路电压，进而根据开路电压对故障情况作出诊断，并能够对任意电芯实施微秒级的切除。

磷灰石：呈棕黄色、褐红色、肉红色或红色；中粗粒-伟晶状六方柱晶体或复六方柱晶体，粒度一般为(0.5～2.5)cm×(0.3～1)cm，最大晶体为14cm×2cm。个别颗粒显环带状，见有裂纹，裂纹中充填有石英、碳酸盐、铁质等矿物。

2.1 可控并联降低热损耗

由于电芯间的差异性不可避免，在直接并联的情况下往往会出现环流，电芯之间彼此充放电。当差异性越大时，环流越显著，甚至可以达到与工作电流同一量级。环流会造成局部电流过大，如果超过了电芯的最大电流阈值，就极易造成过放，对电芯造成损伤，同时大电流也会带来发热严重、电磁干扰等问题。

除了实现容量管控的功能外，可重构电池网络还具备故障隔离能力。以图1中的网络为例，通过断开电池单体对应的开关，系统可以实现单体级的任意故障隔离。而在某个单体因故障被系统隔离后，其他的电池单体仍然能够继续向负载供电，从而避免了固定串并联电池系统的“短板效应”，提高了电池的能量利用率。

为了避免环流，传统的电池系统往往不采取并联方案，而是用一个容量足够大的电池模组直接对负载供电。如图4所示，假定这个大电芯的内阻为

，工作电流为

，则每个电芯的发热功率为

相比之下，可重构电池网络由于具备电池模组间的均衡能力，且电池之间的柔性连接能够有效遏制环流带来的影响，故可以实现电池的可控并联。以

并的可重构网络为例，当功率因子

= 1 时，系统工作在全选模式，每个小电芯上流过的电流为

/

，电芯的内阻为

/

，则每个电芯的发热功率为

从式(3)和式(4)的对比可见，对于

并的系统，每个电芯的发热功率是采用大电芯的1/

。这表明动态可重构的连接方式能够有效降低电芯的热功率，抑制温度的升高，从而降低故障发生的概率。

2.2 动态重组防止热堆积

本质安全强调从根源上消除部分危险、降低事故发生的概率

，而不是发生事故后尽可能减少故障带来的损失。动态可重构电池网络从两个层面保证了储能系统的本质安全，一是将故障发生的概率降低至足够小甚至为零，二是故障发生后及时动作避免热失控，如图2所示。

对于可重构电池网络，可以通过电芯间的动态重组防止热堆积，其原理如图5所示。当功率因子

较小时，可重构电池网络会采用

选

的控制模式，即在每个重构周期内会在

个并联电芯中选择

个接入系统，未被选中的电芯则不会有电流经过，从而不会产生新的热量，有利于防止热堆积。在重构周期结束后，控制器会根据电芯的状态重新选择新的电池组合接入系统，当某个电芯接入系统的时间过长时，系统会将该电芯从系统中断开一段时间，防止出现局部过热的情况。在整个充放电循环中，每个电芯的产热量为

其中，

为每个电芯接入时长的占空比，

为总充放电时间。可重构电池网络通过动态调节每个电芯的占空比，实现电芯的热平衡，避免了局部电芯的温度过高，从而降低故障发生的概率。

两性杂双子表面活性剂在水溶液中的自组装行为:耗散粒子动力学模拟······································徐 毅 毛新建 郭思宇 冯 剑 (6,912)

2.3 故障电池的快速切除

本质安全并不意味着系统不能发生故障，故障的发生、发展、失控是一个逐渐演变的过程，如果电池系统能够在故障发生的早期及时诊断出故障并快速切除，防止故障发展到热失控的地步，那么这样的系统也满足本质安全的条件。

对于动态可重构电池网络，本工作提出了一种基于OCV 的故障诊断方案，该方案能够实现毫秒级的故障诊断和微秒级的故障切除，并且在故障隔离后系统剩余部分仍然能够正常运行。对于该方案的具体内容将在下一节详细阐述。

3 储能系统故障诊断与隔离方法

储能电站运行的过程中容易发生内短路、热失控等故障，而锂离子电池的故障检测与隔离是重难点

。本节首先对储能电池的常见故障以及现有的故障检测方法进行分析，得出OCV 能够很好地反映电池模组的故障情况，接着阐述了在动态可重构电池网络中准确测量OCV 的方法，最后提出了一种以OCV检测为基础的故障诊断与隔离方法。

3.1 锂离子电池常见故障及诊断方法

锂离子电池应用到储能系统时，一方面，为了满足负载对于功率和电压的需求，需要串并联大量的电池模组，大量的电池连接会增加系统运行时发生故障的概率，也会带来故障难以实时诊断和隔离的问题；另一方面，由于电池老化和应用环境的不同，储能电池组在使用过程中的不一致性会增加，从而给储能系统的安全运行带来隐患

。

锂离子电池的故障可以分为渐变性故障和突发性故障，其中突发性故障由于预警时间更短、诊断难度更高、潜在危害更大，是储能系统本质安全亟待解决的问题。

为了推进农垦“联合联盟联营”，建设“农垦国际大粮商”，广东农垦联合黑龙江、天津、广西、湖北、安徽及山东等7个垦区共同发起成立中垦国际农产品物流投资股份有限公司，旨在打造一个开放共享、自主可控的全国性安全农产品流通平台，建设“立足华南、辐射全国、面向全球”的农产品流通骨干网络，构建农产品线上线下交易为一体、信息服务和金融服务为两翼的业务布局，服务于国家粮食安全、食品安全战略，努力开创我国农产品“大生产+大流通”新格局。

不同于传统方法控制电流的思路，DRBN的核心思想是通过控制电池的充放电时间来调节电池容量。电池容量的变化可以用电流和时间的乘积来表示，即

3.2 电池模组OCV的测量

传统的电池系统采用模组间固定串并联的方式，在系统运行过程中只能采样到模组的工作电压，而DRBN由于能够将任意的电池模组从系统中断开，为实时测量模组的OCV提供了有力手段

。

文献[24]提出并验证了一种基于DRBN 的电池OCV 测量方法，其中电压的暂态过程可以通过增加10 ms的测量延迟来克服，此外也可以增加卡尔曼滤波环节以提高OCV的测量精度。

3.3 故障诊断与隔离的流程

根据前文的分析，电池模组的OCV 能够较为理想地反映模组内部的故障，考虑到可重构电池网络具备精确可靠地测量模组OCV 的能力，提出一种基于OCV 阈值法的电池系统故障诊断与隔离方案，其流程如图6所示，具体的步骤为：

（1）检测OCV，进行故障诊断。并联在模组两端的电压传感器实时测量模组的OCV，故障诊断模块判断其是否处于安全范围内。假定每节电池单体的正常电压范围为[

,

]，每个电池模组包含

节单体，则模组的安全电压范围为[

×

,

×

]，若检测到模组的电压不在该区间内，则判断该模组可能出现异常。

（2）切除故障模组，保证持续供电。故障电压发生后，异常信号反馈到能量交换机的时间约为150 ms，此时系统会在微秒级的时间内切除故障模组。可重构电池网络会对拓扑进行动态重构，选用其他未故障模组保证正常供电。

（3）判断故障类型，电池模组的故障通常分为电池本体的故障和连接组件的故障，有的故障是不可恢复的，例如内短路、热失控等，但有的故障是可自恢复的，例如绝缘问题等。而且，现场的电磁干扰、传感器的噪声等也可能使电压出现异常。因此，无法仅根据电压异常判定电池模组发生故障。在检测到异常电压信号后切除异常模组，此时传感器继续检测OCV，若模组的电压无法恢复正常水平，说明电池模组内发生了不可逆的故障，需要停机检修；否则需要进一步诊断。

（4）若切除异常模组后，其OCV 恢复到正常水平，则一段时间后将该模组尝试性接入系统。若接入后模组正常运行，则说明故障排除，模组可以继续投入系统运行；否则需要停机检修。

4 实例分析

对数字储能电站的实际运行及突发故障的数据进行分析，验证了上述本质安全机制。

4.1 系统描述

对于10 MW/34 MWh 数字储能电站，其系统架构自下而上分为4 个层级：电池单体、电池模组、数字储能系统(digital energy storage system，DESS)、数字储能集装箱，参数指标如表1所示。

本报讯近日，受台风叠加影响，山东青州、寿光等地遭受严重洪灾，灾情引起全国关注，牵动全国人民的心。9月1日，四川美丰化工股份有限公司加蓝了解到救灾前线消防车辆急需优质车用尿素，并且面临加注车用尿素不方便、加注费时费力、效率不高等困难。

由于电池单体以固定连接的方式形成模组，而模组是通过可重构的方式连接，因此储能系统能够实现模组级充放电均衡以及故障隔离控制。DESS中集成了电池能量交换机、电池能量集线器、电池能量适配器、电池能量网卡、双向换流器等设备，用于系统的状态检测和运行控制

。

4.2 运行过程描述

储能电站中的电池模组取自电动大巴的退役动力电池，由16 节电池单体串联而成，模组额定电压51.2 V，额定容量200 Ah，切除电压41.6 V。每节单体的安全电压范围为2.6～3.6 V，故模组的安全电压范围为41.6～57.6 V。模组以3并14串可重构连接方式构成DESS，向负载供电，DESS 的负载曲线如图8所示。放电分为两个阶段，第一阶段(211～492 s)的放电功率为50 kW，放电电流约为75 A，第二阶段(492～553 s)的放电功率为125 kW，放电电流约为190A。正常工况下，系统执行3 选2、14 选13 的控制策略，即每个重构周期(2 s)内，在3 个并联电池模组中选择剩余容量大的2 个模组放电，在14 个串联电池组中选择剩余容量大的13个电池组放电。当检测到故障发生时，则执行4.1节中的故障隔离策略。

4.3 系统级本质安全机制实例分析

4.3.1 电学性能分析

图9展示了系统中3个并联模组的OCV变化曲线，可以观察到其中的2号模组在放电过程中发生了一次故障，在492 s 时，2 号模组的端电压跌落至20 V 左右，明显低于安全电压范围的下限值。此时系统立刻动作，将2号模组切除，防止了故障进一步扩大。由于DESS 原本工作在3 选2 的模式下，因此切除2 号模组后，1 号和3 号模组仍可以继续放电，从而保证了系统的持续运行。

从图9中还可以观察到，当2号模组被切除后，其OCV 又恢复到50 V 附近的正常电压水平。这说明电池模组发生了自恢复，例如负载功率的突增导致电池模组的绝缘损坏，当加在模组上的电压被撤去后，绝缘性能恢复，电池端电压也随之恢复到正常水平。此时2 号模组仍可能具备继续使用的能力，需要对其进行二次诊断。

总之，与现浇结构的分析相比，装配式结构的优点显而易见，不仅减少了施工量，降低了人工成本，而且还可以在很大程度上节省原材料，降低施工噪声，粉尘污染，建筑垃圾和合理的污水排放，对节能环保十分有利，目前我国应用建筑工业化一直处于起步阶段。如果我们国家要实施大规模的工业化建设，就要积极开展相应的研究，结构关键技术。

图10是3个模组的放电电流曲线，可以观察到在故障发生前，3 个电池模组均参与放电，由于系统工作在3 选2 的模式下，故每个时刻只有两个模组通有电流。故障发生后，2 号模组立刻从系统断开，其电流突变为零，1 号和3 号模组全导通，电流始终维持在最大值95 A附近。

将2 号模组切除后，OCV 又恢复到正常水平，为了进一步诊断该模组的故障情况，在切除后经过48 s 的时间，系统将2 号模组作尝试性接入，从图10可以观察到，在540 s时，2号模组产生了一个电流尖峰，相应地，3 号模组从系统断开，电流突变为零。但是从图9 可以看出，接入后2 号模组的OCV 又发生了跌落，说明故障再一次发生，此时系统立刻将2 号模组切除，换1、3 号模组放电。与第一次切除不同的是，这次2 号模组的OCV 没有恢复，而是在较低的电压区间内不断振荡，说明模组内的绝缘在经过多次加压后发生了不可逆的损伤，不具备继续使用的条件，需要进行检修。

2017年底，戴威的伯乐之一、一直为ofo呐喊的天使投资人金沙江创投董事总经理朱啸虎也将手中的ofo股份“清仓”，全数出售给阿里和滴滴。此前，朱啸虎一直想促成ofo和摩拜的合并，但遭到戴威强烈反对。

系统停止运行后，用万用表测量2号模组的端电压，结果为9 V，远低于安全电压下限41.6 V，证实模组发生了故障，也验证了所提出的故障诊断和隔离策略的可行性。

4.3.2 温度分析

图11展示了3个模组的温度曲线，在整个放电过程中，3个模组的温度始终维持在24 ℃左右，最高温度是1号模组达到的25 ℃，最低温度是2号模组达到的23 ℃，最大绝对温差为2 ℃。该系统采用了风冷散热结构，而现有的基于风冷的热管理系统通常只能将电池温度差控制在5 ℃左右

，现行的国家标准对于电池温差的要求也是小于5 ℃

。采用DRBN 后模组的温差被控制在2 ℃以内，这说明通过动态重构和可控并联的方式，电池模组有效避免了热堆积，为可重构电池网络的本质安全性能提供了有力支撑。

随着建筑行业的不断壮大，国际上对于建筑工程技术的呼声越来越高，越来越多的国家进行着建筑工程技术的交流。为了更好地利用资源，为了人类更好的居住环境，建筑工程技术国际化已然是大趋势[2]。

5 结 论

本工作对储能系统的本质安全机制进行了研究，针对传统电池网络由于“短板效应”难以实现本质安全的难题，提出了一种基于DRBN的储能系统架构。该架构从两个方面保障系统的本质安全，一是通过毫秒级电池物理连接拓扑重构从原理上杜绝了由于过充过放所带来的热堆积和热失控问题；二是通过开关的高频通断实现故障模组的快速切除。最后，本工作通过实际工程案例数据阐述数字储能系统在突发故障时的在线诊断和快速自动隔离疑似故障方面的本质安全机制，为提高电化学储能系统安全性和经济性提供一种新的路径。

[1] 慈松.数字储能系统[J].全球能源互联网,2018,1(3):338-347.CI S. Digital energy storage system[J]. Journal of Global Energy Interconnection,2018,1(3):338-347.

[2] 徐敏.储能电池检测诊断及能量管理策略的研究[D].上海:上海工程技术大学,2020.XU M. Research on lithiumion battery detection and diagnosis and energy management strategy[D]. Shanghai: Shanghai University of Engineering Science,2020.

[3] WEN J W, YU Y, CHEN C H. A review on lithium-ion batteries safety issues: Existing problems and possible solutions[J]. Materials Express,2012,2(3):197-212.

[4] 任东生, 冯旭宁, 韩雪冰, 等. 锂离子电池全生命周期安全性演变研究进展[J].储能科学与技术,2018,7(6):957-966.REN D S, FENG X N, HAN X B, et al. Recent progress on evolution of safety performance of lithium-ion battery during aging process[J]. Energy Storage Science and Technology, 2018,7(6):957-966.

[5] 孙振宇, 王震坡, 刘鹏, 等. 新能源汽车动力电池系统故障诊断研究综述[J].机械工程学报,2021,57(14):87-104.SUN Z Y, WANG Z P, LIU P, et al. Overview of fault diagnosis in new energy vehicle power battery system[J]. Journal of Mechanical Engineering,2021,57(14):87-104.

[6] 苏伟,钟国彬,沈佳妮,等.锂离子电池故障诊断技术进展[J].储能科学与技术,2019,8(2):225-236.SU W, ZHONG G B, SHEN J N, et al. The progress in fault diagnosis techniques for lithium-ion batteries[J]. Energy Storage Science and Technology,2019,8(2):225-236.

[7] ISERMANN R. Model-based fault-detection and diagnosis-status and applications[J].Annual Reviews in Control,2005,29(1):71-85.

[8] ODENDAAL H M, JONES T.Actuator fault detection and isolation:An optimised parity space approach[J]. Control Engineering Practice,2014,26:222-232.

[9] 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.

[10]ZHU X Q, WANG Z P, WANG C, et al. Erratum: overcharge investigation of large format lithium-ion pouch cells with Li(Ni

Co

Mn

)O

cathode for electric vehicles: Degradation and failure mechanisms[J]. Journal of the Electrochemical Society,2018,165(16):X21.

[11]刘嘉蔚, 李奇, 陈维荣, 等. 基于多分类相关向量机和模糊C 均值聚类的有轨电车用燃料电池系统故障诊断方法[J].中国电机工程学报,2018,38(20):6045-6052.LIU J W, LI Q, CHEN W R, et al.A fault diagnosis method of fuel cell systems for tramways based on the multi-class relevance vector machine and fuzzy C means clustering[J]. Proceedings of the CSEE,2018,38(20):6045-6052.

[12]张添奥,刘昊,陈永翀,等.大容量电池储能的本质安全探索[J].储能科学与技术,2021,10(6):2293-2302.ZHANG T A, LIU H, CHEN Y C, et al. Intrinsic safety of energy storage in a high-capacity battery[J]. Energy Storage Science and Technology,2021,10(6):2293-2302.

[13]慈松, 周杨林, 王红军, 等. 基于可重构电池网络的数字储能系统建模与运行控制——基站储能应用案例研究[J]. 全球能源互联网,2021,4(5):427-435.CI S, ZHOU Y L, WANG H J, et al. Modeling and operation control of digital energy storage system based on reconfigurable battery network—base station energy storage application[J].Journal of Global Energy Interconnection,2021,4(5):427-435.

[14]CI S, LIN N, WU D L. Reconfigurable battery techniques and systems:A survey[J].IEEE Access,2016,4:1175-1189.

[15]LEE K M, KIM D H, SHIN J H, et al. Reconfigurable battery system with active balancing circuit[C]//IECON 2019-45th Annual Conference of the IEEE Industrial Electronics Society. October 14-17,2019,Lisbon,Portugal.IEEE,2019:4583-4586.

[16]SHIN J W, SEO G S, CHUN C Y, et al. Selective flyback balancing circuit with improved balancing speed for series connected lithium-ion batteries[C]//The 2010 International Power Electronics Conference-ECCE ASIA-. June 21-24, 2010, Sapporo,Japan.IEEE,2010:1180-1184.

[17]CI S, ZHANG J C, SHARIF H, et al. A novel design of adaptive reconfigurable multicell battery for power-aware embedded networked sensing systems[C]//IEEE GLOBECOM 2007-IEEE Global Telecommunications Conference. November 26-30, 2007,Washington,DC,USA.IEEE,2007:1043-1047.

[18]CI S,HE H J,KANG C Q,et al.Building digital battery system via energy digitization for sustainable 5G power feeding[J]. IEEE Wireless Communications,2020,27(5):148-154.

[19]KIM T, QIAO W, QU L Y. Power electronics-enabled self-X multicell batteries: A design toward smart batteries[J]. IEEE Transactions on Power Electronics,2012,27(11):4723-4733.

[20]LIN N, CI S. Toward dynamic programming-based management in reconfigurable battery packs[C]//2017 IEEE Applied Power Electronics Conference and Exposition. March 26-30, 2017,Tampa,FL,USA.IEEE,2017:2136-2140.

[21]LIN N, CI S, WU D L, et al. An optimization framework for dynamically reconfigurable battery systems[J]. IEEE Transactions on Energy Conversion,2018,33(4):1669-1676.

[22]MONDOHA A, SABATIER J, LANUSSE P, et al. Nonlinear model predictive control for a simulated reconfigurable battery pack[J].IFAC-PapersOnLine,2021,54(6):353-358.

[23]YANG F, GAO F, LIU B C, et al. An adaptive control framework for dynamically reconfigurable battery systems based on deep reinforcement learning[J]. IEEE Transactions on Industrial Electronics,2022,69(12):12980-12986.

[24]LIN N, CI S, WU D L. A novel low-cost online state of charge estimation method for reconfigurable battery pack[C]//2016 IEEE Applied Power Electronics Conference and Exposition. March 20-24,2016,Long Beach,CA,USA.IEEE,2016:3189-3192.

[25]王子毅,朱承治,周杨林,等.基于动态可重构电池网络的OCV-SOC在线估计[J].中国电机工程学报,2022,42(8):2919-2929.WANG Z Y, ZHU C Z, ZHOU Y L, et al. OCV-SOC estimation based on dynamic reconfigurable battery network[J]. Proceedings of the CSEE,2022,42(8):2919-2929.

[26]刘霏霏, 鲍荣清, 程贤福, 等. 服役工况下车用锂离子动力电池散热方法综述[J].储能科学与技术,2021,10(6):2269-2282.LIU F F, BAO R Q, CHENG X F, et al. Review on heat dissipation methods of lithium-ion power battery for vehicles under service conditions[J]. Energy Storage Science and Technology, 2021, 10(6):2269-2282.

[27]宋亚豪. 某款车用锂电池生热特性与电池包仿生散热优化研究[D].株洲:湖南工业大学,2019.SONG Y H. Analysis of thermogenic characteristics of lithium battery and bionic heat dissipation of battery pack in certain vehicle[D].Zhuzhou:Hunan University of Technology,2019.

[28]汪缤缤,李素平,胡绪照.不同入口方案对圆柱锂离子电池空冷散热的影响[J].邵阳学院学报(自然科学版),2020,17(4):55-62.WANG B B, LI S P, HU X Z. Effects of different inlet schemes on air cooling of cylindrical lithium-ion batteries[J]. Journal of Shaoyang University (Natural Science Edition), 2020, 17(4):55-62.

[29]国家质量监督检验检疫总局, 中国国家标准化管理委员会. 电化学储能电站用锂离子电池管理系统技术规范: GB/T 34131—2017[S].北京:中国标准出版社,2017.General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Technical standard for battery management system of electrochemical energy storage station: GB/T 34131—2017[S]. Beijing: Standards Press of China,2017.