← 返回
基于新型指标与分数阶灰色模型及无迹粒子滤波的电池剩余寿命预测
Remaining Useful Life Prediction of Battery Using a Novel Indicator and Framework With Fractional Grey Model and Unscented Particle Filter
| 作者 | Lin Chen · Jing Chen · Huimin Wang · Yijue Wang · Jingjing An · Rong Yang · Haihong Pan |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年6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 故障诊断 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 锂离子电池 剩余使用寿命 (RUL) 电池管理系统 (BMS) 分数阶灰色模型 无迹粒子滤波 退化指标 电动汽车 |
语言:
中文摘要
锂离子电池是电动汽车供电的核心。准确预测电池剩余使用寿命（RUL）对于保障系统安全与可靠性至关重要。由于电池老化机制复杂，BMS进行RUL预测面临挑战。本文提出了一种基于新型退化指标的预测框架，结合分数阶灰色模型与无迹粒子滤波算法，有效提升了电池寿命预测的精度与鲁棒性。
English Abstract
The lithium-ion battery plays a crucial role in the power supply of the electric vehicles (EVs). Battery remaining useful life (RUL) is critically vital to ensure the vehicles' safety and reliability. Due to the complicated aging mechanism, predicting RUL for the battery management systems (BMSs) is challenging. In this article, a novel degradation indicator was constructed using the information e...
S
SunView 深度解读
该技术对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有极高的应用价值。电池寿命预测是储能系统安全运维的核心，该算法可集成至iSolarCloud智能运维平台，通过更精准的RUL评估，优化电池簇的充放电策略，延长系统全生命周期收益。建议研发团队将该分数阶灰色模型与无迹粒子滤波算法引入BMS核心算法库，提升对电网侧及工商业储能电站电池衰减的预测精度，从而降低运维成本，提升系统可靠性。