← 返回
一种用于锂离子电池容量预测的多输出卷积高斯过程
A Multioutput Convolved Gaussian Process for Capacity Forecasting of Li-Ion Battery Cells
| 作者 | Abdallah A. Chehade · Ala A. Hussein |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年1月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 储能系统 电池管理系统BMS 机器学习 可靠性分析 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 多输出卷积高斯过程 锂离子电池 容量预测 隐函数分解 机器学习 多任务学习 迁移学习 |
语言:
中文摘要
本文提出了一种基于多输出卷积高斯过程(MCGP)的锂离子电池容量预测方法。该方法通过潜在函数分解技术,将多个电池单元的容量趋势分解为潜在函数,并结合优化核函数进行建模,实现了多任务学习与迁移学习,有效提升了电池容量衰退趋势预测的准确性。
English Abstract
A latent function decomposition method is proposed for forecasting the capacity of lithium-ion battery cells. The method uses the multioutput convolved Gaussian process (MCGP), a machine learning framework for multitask and transfer learning. The MCGP decomposes the available capacity trends from multiple battery cells into latent functions. The latent functions are then convolved with optimized k...
S
SunView 深度解读
该技术对阳光电源的储能业务(PowerTitan、PowerStack系列)具有极高的应用价值。通过MCGP模型,公司可提升iSolarCloud平台对大规模储能电站电池衰退的预测精度,实现更精准的SOH(健康状态)管理和寿命预警。这不仅能优化BMS的充放电策略,延长系统使用寿命,还能为电网侧储能的调峰调频提供更可靠的容量保障,降低运维成本,增强产品在全生命周期内的竞争力。