← 返回
基于异常内阻与混合神经网络的电动汽车电池安全风险评估
Battery Safety Risk Assessment in Real-World Electric Vehicles Based on Abnormal Internal Resistance Using Proposed Robust Estimation Method and Hybrid Neural Networks
| 作者 | Da Li · Junjun Deng · Zhaosheng Zhang · Zhenpo Wang · Litao Zhou · Peng Liu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年6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 可靠性分析 机器学习 故障诊断 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 电池安全 内阻 电动汽车 热失控 神经网络 风险评估 故障诊断 |
语言:
中文摘要
电池安全是电动汽车推广的主要障碍。内阻（IR）是反映电池安全的关键参数，异常内阻会导致发热增加，诱发热失控。本文提出了一种基于鲁棒估计方法和混合神经网络的电池安全风险评估模型，通过监测内阻异常实现对电池热失控风险的早期预警。
English Abstract
Battery safety issue is developing as one of the main hinders restricting the further application of real-world electric vehicles (EVs). Internal resistance (IR) is one of the important parameters to reflect battery safety, because bigger abnormal IR will cause more heat generation and make the battery easier to cross the critical condition of thermal runway. Safety risk assessment based on abnorm...
S
SunView 深度解读
该研究提出的内阻异常监测与风险评估算法对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有重要参考价值。储能系统的核心在于电池安全，通过引入鲁棒估计与混合神经网络，可显著提升iSolarCloud智能运维平台对电芯级健康状态（SOH）和安全风险的预测精度。建议将该算法集成至BMS底层逻辑，实现对储能电站电池簇热失控的早期预警，降低运维成本，提升系统全生命周期的安全性与可靠性。