开路电压法是通过测量美洲豹电池的端电压来估计蓄电池内阻，精度很差，甚至得出错误结论。因为即使一个容量已经变得很小的蓄电池，再浮充状态下其端电压仍可能表现得很正常。
直流放电法就是通过对电池进行瞬间大电流放电，测量电池上的瞬间电压降，通过欧姆定律计算出电池内阻。虽然这种方法在实践中也得到了广泛的应用，但是它也存在一些缺点。如用该方法对中山美洲豹蓄电池内阻进行检测必须是在静态或是脱机状态下进行，无法实现在线测量。而且大电流放电会对美洲豹蓄电池造成较大的损害，从而影响蓄电池的容量及寿命。
交流法通过对蓄电池注入一个恒定的交流电流信号IS，测量出蓄电池两端的电压响应信号Vo，以及两者的相位差。
我们主要研究方向：一个是微网，一个是电池应用，在电池应用，我们最早坐的电动汽车就用到电力系统储能。
关于电池储能最主要的问题，第一个问题是安全;第二个是寿命、然后是高效。
储能系统，目前首先要考虑的是安全问题，然后才是效率，坚持效率、变电器的率还有寿命，还有电池衰退之后能量利用率的问题，可能这个问题在很多时候没有一个量化的指标来描述它，但是对储能来说应该是非常重要。我们希望通过几方面的事情，能够解决安全寿命高效的问题，一个标准化储能系统、电池状态的梳理分析系统，储能系统在电动车和公交系统用得非常多。
目前大家都在用的储能系统，节点控制器和智能配电箱的使用，提升系统整体经济性、稳定性，增强系统集成商的核心价值，可以和后端的云平台友好接入。
这是一个集中的能源调度系统。上午已经把这个层次结构讲得很清楚，我们可以通过多节点控制器实现较长时间多能储能电站和微网协调的优化调度。
现在把它做成标准的智能配电柜，这是配电柜的基本特点，包含了各种各样的功能，充放电的功能、自动保护还有接口的功能，这是标准的配备。
节点控制器，实现本地能量管理核心设备，主要数据采集功能，监测、储存、执行管理策略还有上传。这里面有一个问题，需要认真的深入研究，关于数据上传时候数据采样率和数据采样的时刻的问题，这样实行电池后台的电池数据的分析，把电池的维护变成智能的维护，我们也在做一些工作，到底采样数量多大，或者存储的速度有多快，完整描述这个电池当前的状态。
如果我开部电动车，你会发现很多电动车状态，经常会变会跳，其实储能，在电力系统储能应用面临同样的问题，我们希望通过数据来解决。我们这里有一个BMS采样数量到底多大才合适。
下面我讲一下关于柔性储能。单体电池，大家都说，我可以做到6千次，装到汽车上能用到一千次，都很难讲，你现在帮它做到储能系统，号称做到5千次，事实上利用率有多少，因为电池本身有一个大的问题，在衰退过程中电池的衰退是具有随机性，每一支电池衰退都不一样，带来单体电池差异变得越来越大，不同厂家电池衰退的变化不一致性也不一样，这组电池到底能用多少，能量是可用的，这是需要仔细分析的一个问题。像目前电动汽车上来用的时候，从10到90%在用，衰退到一定程度只能用60%70%，对储能就提出大的挑战。
我们能不能按照衰退的规律进行分组来用，做一个折衷，到底选多大合适得到更好的表现，更好的效率，我们希望按照电池衰退的规律来把它分组，是20支作为一个节点是比较合适还是40支是比较合适，这里面在效率、电力电子之间做一个平衡优化。所以我们做一些关于柔性储能，这也是我们一个项目来做这件事情。当然了，还有一个比较好的地方，可以梯次利用，我觉得梯次利用这两年有一定的价值，但是未来是不是值得用，还要思考，充放电的效率、电池的价格一旦降下来，梯次利用有些问题。柔性成组可以解决很大的问题。另外一种高度模块化，降低整个系统的成本。最大的一个可以提高利用率。
像汽车上用的三年之后的电池，衰退不到8%，利用率只有60%，就是它的差异造成，你做成5组利用率可以达到70%，可以提高利用率。把电池模组串在一起，也可以提高电池利用率。维护后储能能增加33%。
看这个例子，均衡之后可以提高7%，柔性成组之后，我提高了3.5%，做均衡可以提高7%，柔性成组能带来一个好处，实际上原因不同厂家电池衰退轨迹不一样，你要事先知道这组电池会变成什么样或者参数分布是个什么样，然后你再有针对性做一个优化。
这是采用的一个方案，模块全功率独立电流控制，这不适合大功率的应用。
模块的部分功率独立电流控制，这个电路适合中高压、重复利用。这是MMC电池储能适合高压大功率的方案。
另外关于电池状态分析。我一直讲电池容量不一致，衰退是有随机性，电池老化不一致，容量、内阻降低很厉害，用这个参数进行表征，大家用得比较多一个是容量还有一个内阻。你要想办法维护成一致，你需要对每个电池SOC差异进行评价，怎么样评价这个单体的SOC，然后你才能说这个电池怎么不一致，最大功率能差多少。通过SOC对电池进行维护，单个SOC是怎么来的。现在的做法都是把BMS放在电池系统上，在线实时估计这个SOC，我们想用另外一个办法描述它，我们希望通过运行采样的这些数据到后台来，我们通过后台的数据分析电池的SOC和SOH，在这种基础上对电池进行优化。所以我们希望通过汽车电池数据，称不上大数据，是一个数据平台，通过机器学习和挖掘，扩展SOH的估计模型，基于估计结果给出电池系统全充放电的管理策略。