锂电池储能系统(Battery Energy storage Systems，BESS)作为现代电力系统的重要组成部分，在可再生能源并网、电力调度和分布式能源管理等发挥着关键作用。随着水力发电、风能、太阳能等波动性新能源的大规模并网，BESS的应用需求不断增加，其可以作为调度桥梁将波动性新能源整合后稳定的接入电力系统，且能提供多种辅助服务。 在并网应用场景中，BESS不仅要进行常规的储能充放电操作，还经常承担频率调节、负载平衡、峰谷填平等辅助服务。这些辅助服务对电池的运行工况要求差异较大，导致电池在不同的负荷条件下呈现出不规则的使用模式。这种频繁的工况变化，使得锂电池的老化过程呈现复杂的非线性变化，难以把握退化信息。 现有的研究表明，锂电池在不同的充放电速率、温度等工况下，其老化路径差异较大。尤其是在提供频率调节等需要快速响应的辅助服务时，电池需在短时间内进行高频的充放电操作，这加剧了电池内部的电化学反应进程，导致活性材料的快速损失。而提供负载平衡或峰谷填平服务时，电池则在较低倍率下长期工作，表现出缓慢的容量衰减。 由于这些辅助服务的不规则性，使得BESS的容量衰减过程复杂难以预测，难以把握健康状态，进而容易引发安全隐患。例如，电池的容量衰减和内阻增加可能导致过热、过充等安全问题，严重时会引发火灾或爆炸，危及整个电力系统的稳定和人员安全。此外，电池状态的不确定性还会对电网的响应服务造成影响。一旦储能系统的实际性能不如预期，可能导致辅助服务响应不足，进一步影响电网的频率稳定和电能质量。 因此，准确预测锂电池的容量衰减轨迹，并及时进行维护和更换，已经成为保障BESS稳定运行和确保电网安全的关键技术挑战。如果能够在早期阶段实现对容量退化轨迹的获取，可以为BESS的运维提供足够的时间裕度，保障电网的稳定运行。