← 返回
电动汽车应用中锂离子电池的优化特征选择健康预测
Health Prognosis With Optimized Feature Selection for Lithium-Ion Battery in Electric Vehicle Applications
| 作者 | Ji Wu · Xuchen Cui · Hui Zhang · Mingqiang Lin |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021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 健康状态 (SOH) 故障预测与健康管理 (PHM) 数据驱动方法 特征选择 电动汽车 |
语言:
中文摘要
针对电动汽车锂离子电池健康管理需求,本文提出了一种基于优化特征选择的数据驱动型电池健康状态(SOH)估计方法。该方法旨在解决现有预测模型计算效率低的问题,通过优化特征提取提升SOH估计的准确性与实时性,为电池全生命周期管理提供技术支撑。
English Abstract
The widespread use of lithium-ion batteries in electric vehicles has attracted widespread attention in both academia and industry. Among them, lithium-ion batteries' prognosis and health management are important research problems that need to be resolved urgently. This article proposes a novel computationally efficient data-driven state-of-health (SOH) estimation approach based on an optimized fea...
S
SunView 深度解读
该研究对于阳光电源的储能业务(PowerTitan、PowerStack系列)具有极高参考价值。精准的SOH估计是BMS核心算法的关键,直接影响储能电站的运维效率与安全性。通过引入优化特征选择的数据驱动模型,可显著提升iSolarCloud平台对电池资产的健康评估能力,优化电池衰减预测,从而降低运维成本并延长系统寿命。建议研发团队将该算法逻辑集成至BMS控制策略中,以提升储能系统在调峰调频等高频次应用场景下的可靠性与经济性。