← 返回
基于随机部分充电数据的电池健康状态数据驱动估计
Data-Driven Battery State of Health Estimation Based on Random Partial Charging Data
| 作者 | Zhongwei Deng · Xiaosong Hu · Penghua Li · Xianke Lin · Xiaolei Bian |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年5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 深度学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 电池健康状态 (SOH) 数据驱动估计 电动汽车 部分充电数据 电池管理系统 预测性维护 |
语言:
中文摘要
随着电动汽车的快速发展，电池健康状态（SOH）的准确估计对于安全监测、残值评估及预测性维护至关重要。本文提出了一种基于随机部分充电数据的数据驱动SOH估计方法，旨在解决现有方法在实际应用中对完整充电循环依赖性过强的问题，提升电池全生命周期管理的智能化水平。
English Abstract
The rapid development of battery technology has promoted the deployment of electric vehicles (EVs). To ensure the healthy and sustainable development of EVs, it is urgent to solve the problems of battery safety monitoring, residual value assessment, and predictive maintenance, which heavily depends on the accurate state-of-health (SOH) estimation of batteries. However, many published methods are u...
S
SunView 深度解读
该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高价值。目前储能系统在电网侧和工商业侧应用中，往往难以获取完整的满充满放数据。通过引入该数据驱动算法，阳光电源的iSolarCloud智能运维平台可实现对储能电站电池健康状态的实时精准评估，无需等待完整充电循环。这不仅能显著提升BMS的预测性维护能力，降低运维成本，还能为储能资产的残值评估提供科学依据，增强阳光电源在储能全生命周期管理中的核心竞争力。