← 返回
储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

一种结合灰色模型与遗传算法的锂离子电池荷电状态估计新方法

A Novel State-of-Charge Estimation Method of Lithium-Ion Batteries Combining the Grey Model and Genetic Algorithms

作者 Lin Chen · Zhengzheng Wang · Zhiqiang Lu · Junzi Li · Bing Ji · Haiyan Wei · Haihong Pan
期刊 IEEE Transactions on Power Electronics
出版日期 2018年10月
技术分类 储能系统技术
技术标签 储能系统 电池管理系统BMS 机器学习
相关度评分 ★★★★★ 5.0 / 5.0
关键词 荷电状态 (SoC) 锂离子电池 灰色模型 遗传算法 电池管理系统 估计方法
语言:

中文摘要

为保障电动汽车电池安全运行并优化能量利用,准确估计荷电状态(SoC)至关重要。本研究提出了一种基于灰色模型(GM)与遗传算法(GA)的SoC估计新方法,无需依赖高计算复杂度的电池高保真模型,实现了高效的SoC预测。

English Abstract

In order to guarantee safe and reliable operation of electric vehicle batteries and to optimize their energy and capacity utilization, it is indispensable to estimate their state-of-charge (SoC). This study aimed to develop a novel estimation approach based on the grey model (GM) and genetic algorithms without the need of a high-fidelity battery model demanding high computation power. A SoC analyt...
S

SunView 深度解读

该研究提出的轻量化SoC估计算法对阳光电源的储能业务具有重要价值。在PowerTitan和PowerStack等大型储能系统中,BMS的计算资源有限,该方法无需高保真模型即可实现高精度SoC估计,有助于提升电池组的一致性管理和全生命周期利用率。建议研发团队评估该算法在嵌入式BMS控制器中的移植可行性,以优化储能系统在调峰调频场景下的动态响应精度,进一步提升iSolarCloud平台的电池健康状态监控能力。