储能技术可应用于削峰填谷、支持新能源发电灵活入网、增强电网稳定性和提高电能质量等方面,为现代电力系统面临的诸多挑战提供了有效的解决途径。铅酸电池以价格低廉、技术成熟、可靠性好等优点最早应用于电力系统领域。锂离子电池作为能量密度和循环效率最高的电池,是目前最具市场发展前景的大容量储能电池,在电力系统领域展现了极高的应用价值。合理精确的电池模型是确保仿真计算结果准确性和可信赖性的基本前提,为了建立适应电力系统仿真研究的准确模型,基于实测数据参数辨识,从而验证模型结构的准确性与有效性具有重要意义。本文针对铅酸电池和锂离子电池模型的参数辨识与准确性验证,从算法的选择、电池的结构特点和工作原理、最优模型的选择以及参数辨识等方面展开了系统地研究工作。首先,基于传统算法的不足,将遗传算法应用于储能电池模型参数辨识并提出了改进策略。由于传统优化算法对参数初值敏感,往往使辨识进入局部收敛而致参数呈现分散性特点,因此选择具有全局搜索能力的遗传算法作为辨识算法。相较于传统算法,该算法能以较大的概率找到优化问题的全局最优解。针对基本遗传算法存在收敛速度慢和易早熟的缺陷,改进遗传算法在交叉、变异、选择三种遗传操作的改进策略和控制参数的选择上进行了修正。利用改进遗传算法对模型辨识进行优化,参数稳定性良好。其次,以铅酸电池为研究对象,分析其结构特点、工作原理和电池特性。选择对电池运行特性描述最优的等效模型,并进行参数灵敏度分析,提取影响电池运行特性的主导参数。设计了针对电化学电池辨识所需的相关实验方案,并基于实测数据进行成组电池与单体电池的辨识工作。分析实际辨识、理想成组、平均值三种不同参数的适用性与稳定性,辨识结果表明模型能很好地描述电池的动态I-V特性,参数稳定性与适用性好,且从实际角度验证说明了电池的不一致性。最后,针对锂离子电池,先进行恒流稳态和动态脉冲灵敏度分析,再利用恒功率充放电和脉冲放电实验的数据,对模型进行辨识。结果表明,模型能很好地描述两种条件下的I-V特性,且参数稳定性良好,辨识误差远低于研究应用的误差要求。针对不同环境温度的实验数据,进行多因素影响的参数辨识,结果表明模型仍能很好的模拟电池的充放电特性。分析了温度和SOC对模型参数的影响。