微电网中电池储能系统数字孪生新框架：电-热-老化多模型协同仿真与验证

针对微电网中电池储能系统(BESS)建模复杂、缺乏整体性数字孪生(DT)框架的问题，意大利米兰理工大学团队开发了集成电-热-老化模型的ErNESTO-DT平台。通过Thevenin等效电路模型(ECM)、热路模型和Xu半经验老化模型的协同仿真，在光伏、微电网等真实场景中实现电压/温度预测MAPE<0.5%，SOH误差<0.6%，为微电网优化控制提供高精度虚拟样本生成器。

　　

随着可再生能源(RES)在电力系统中的占比快速提升，传统集中式电网正逐步向分布式微电网(MG)架构转型。这种由产消者(prosumer)构成的网络虽然提高了系统韧性，却因光伏(PV)发电波动、负荷变化等不确定因素，使得电池储能系统(BESS)的管理面临巨大挑战。数字孪生(DT)技术作为物理系统的虚拟镜像，理论上可以突破实体实验限制，但现有研究多聚焦电动汽车等单一领域，或仅模拟BESS的局部特性，缺乏面向微电网场景的综合性解决方案。

意大利米兰理工大学(Politecnico di Milano)的Davide Salaorni团队在《Journal of Energy Storage》发表研究，提出首个面向微电网的BESS数字孪生通用框架ErNESTO-DT。该工作创新性地整合了二阶Thevenin等效电路模型(2-RC ECM)、热路模型和基于Dropflow算法的老化模型，通过四组真实场景实验验证，证明其电压预测平均绝对百分比误差(MAPE)始终低于0.5%，在热冲击场景下比无热模型版本误差降低0.13%，老化状态(SOH)估计误差<0.6%。

研究采用模块化架构设计，关键技术包括：(1)通过脉冲测试建立SOC/温度依赖的1-RC/2-RC ECM参数查找表；(2)基于热阻-热容网络构建考虑不可逆/可逆热效应的电路模型；(3)改进Xu老化模型，用状态型Dropflow算法替代传统Rainflow计数，将计算复杂度从O(n²)降至O(n)；(4)在Chroma 17011测试平台上采集EIG ePLB-C020电芯的PV、DER-TF微电网等真实工况数据验证模型。

电-热耦合验证

在德国住宅光伏场景中，1-RC与2-RC模型均实现电压MAPE 0.5%、温度MAPE 0.04%，最大绝对误差分别为0.044V和0.544K。RSE分布式能源测试平台(DER-TF)的验证进一步显示，即便在功率剧烈波动工况下，电压MAPE仍可保持在0.18%。

热模型必要性论证

通过设计环境温度从313K骤降至283K的热跳变(TJ)实验，发现忽略热模型会使电压MAPE从0.27%升至0.41%，证明温度变化会通过影响R₀、R₁等参数显著改变电特性。

老化模型精度验证

对经历70天循环老化的NMC电芯测试表明，采用改进的Dropflow算法后，SOH估计误差仅0.54%(第一阶段)和0.20%(第二阶段)，且计算耗时比传统方法减少80%。

该研究的意义在于：首次构建了面向微电网的BESS全生命周期数字孪生框架，其模块化设计支持ECM与热/老化模型的灵活组合；提出的Dropflow算法突破在线SOH估计的算力瓶颈；开源代码ErNESTO-DT可直接用于微电网控制算法的训练环境。未来可通过集成强化学习(RL)等智能算法，进一步拓展其在动态能量管理、多BESS协同优化等场景的应用价值。