← 返回
电动汽车电池在线数据驱动故障诊断与热失控预警
An Online Data-Driven Fault Diagnosis and Thermal Runaway Early Warning for Electric Vehicle Batteries
| 作者 | Zhenyu Sun · Zhenpo Wang · Peng Liu · Zian Qin · Yong Chen · Yang Han · Peng Wang · Pavol Bauer |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年10月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 故障诊断 电池管理系统BMS 机器学习 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 电池故障诊断 热失控 预警 锂离子电池 数据驱动 电动汽车 BMS |
语言:
中文摘要
电池故障诊断对电动汽车的安全运行至关重要,特别是热失控预警。本文提出了一种锂离子电池实时早期故障诊断方案,旨在通过数据驱动方法实现早期失效检测,降低高能量密度锂电池的安全风险,应对行业面临的重大挑战。
English Abstract
Battery fault diagnosis is crucial for stable, reliable, and safe operation of electric vehicles, especially the thermal runaway early warning. Developing methods for early failure detection and reducing safety risks from failing high energy lithium-ion batteries has become a major challenge for industry. In this article, a real-time early fault diagnosis scheme for lithium-ion batteries is propos...
S
SunView 深度解读
该技术对阳光电源的储能业务(PowerTitan、PowerStack系列)具有重要参考价值。虽然文章侧重于电动汽车,但其核心的“在线数据驱动故障诊断”与“热失控预警”算法可直接迁移至大型储能电站的BMS系统。通过在iSolarCloud平台集成此类深度学习算法,可提升储能电芯状态监测的精度,实现从被动保护向主动预警的跨越,显著降低电站火灾风险,提升产品安全性与运维智能化水平,是构建高安全储能系统的关键技术支撑。