← 返回
基于凸优化的锂离子电池SOC与SOH解耦联合估计
Reduced-Coupling Coestimation of SOC and SOH for Lithium-Ion Batteries Based on Convex Optimization
| 作者 | Dianxun Xiao · Gaoliang Fang · Sheng Liu · Shaoyi Yuan · Ryan Ahmed · Saeid Habibi · Ali Emadi |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年11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 故障诊断 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 锂离子电池 荷电状态(SOC) 健康状态(SOH) 凸优化 联合估计 弱耦合 电池管理系统 |
语言:
中文摘要
本文针对锂离子电池SOC与SOH估计中存在的强耦合与非线性问题,提出了一种新型的解耦联合估计算法。通过引入凸优化方法,简化了观测器网络设计并降低了稳定性分析的复杂性,有效提升了电池状态估计的精度与鲁棒性。
English Abstract
Model-based state-of-charge (SOC) and state-of-health (SOH) estimation for lithium-ion batteries has been widely applied in electrified vehicles, while the SOC and SOH estimators are highly coupled and nonlinear in conventional techniques. This leads to a bulky design of observer network and complicates the stability analyses. In this article, a new reduced-decoupling SOC and SOH coestimation algo...
S
SunView 深度解读
该研究直接服务于阳光电源的储能业务核心——电池管理系统(BMS)。在PowerTitan和PowerStack等大规模储能系统中,高精度的SOC/SOH估计是实现电池簇均衡、延长系统寿命及保障安全运行的关键。传统的非线性观测器计算量大且难以收敛,而本文提出的凸优化解耦算法能显著降低BMS计算负载,提升系统在复杂工况下的状态感知能力。建议研发团队将其引入iSolarCloud智能运维平台,通过云端大数据与本地BMS算法协同,优化储能电站的精细化运维与全生命周期管理。