河海大學電氣與動力工程學院朱沐雨團隊在《中國電力》發表論文《典型調峰_調頻工況下儲能電池組荷電狀態估計》。該研究針對電網典型工況下儲能電池組荷電狀態(SOC)估算精度低的問題，提出基于核主成分分析(KPCA)-鵜鶘優化(POA)-雙向門控循環單元(BiGRU)的SOC估計模型，通過設計調峰/調頻工況充放電實驗提取融合特征，優化模型超參數并驗證有效性，顯著提升了復雜工況下SOC估計精度與魯棒性。

　　隨著新型電力系統建設推進，以磷酸鐵鋰電池為核心的電化學儲能技術在新能源消納、電網調節中廣泛應用。但儲能電站運行工況復雜，高電壓、大電流環境易引發電池故障，準確的SOC估計作為電池管理系統核心功能，是預防過充過放、保障安全運維的關鍵。現有研究多聚焦單體電池或忽略典型工況，難以適配調峰(恒流充放)與調頻(頻繁淺充淺放)的復雜實際場景，估算精度不足。

　　為破解這一難題，團隊搭建了包含電池測試系統、恒溫箱和上位機的實驗平臺，以比亞迪220 A·h磷酸鐵鋰電池組為對象，模擬調峰工況SOC 10%→90%→10%驟變與調頻工況SOC 90%緩慢衰減至10%的真實場景，采集電壓、電流、溫度及單體極差等7類特征數據，經15秒間隔抽樣獲得調峰2078組、調頻10053組有效數據。

　　團隊創新構建三級優化模型：通過KPCA算法對原始特征降維去冗余，提取前3個累計貢獻率超90%的主成分，大幅提升模型訓練效率;利用POA算法優化BiGRU網絡超參數，解決長序列預測的長期依賴問題;針對不同工況特性構建雙模型，可根據電網指令靈活切換。實驗表明，該模型在調峰工況下均方根誤差低至0.008645，擬合優度達0.9987;調頻工況均方根誤差為0.009983，擬合優度0.9930，顯著優于KELM、BiLSTM等傳統模型。

　　在混合工況測試中，雙模型較單模型誤差下降61.8%，展現出更強的穩定性。該研究融合多算法優勢，精準匹配儲能電站實際運行需求，為儲能電池組安全監測與運維提供了可靠技術支撐，對推動電化學儲能技術規模化應用、保障新型電力系統穩定運行具有重要意義。未來，團隊將進一步優化模型在極端環境下的適應性，拓展其工程應用場景。