← 返回
过充循环条件下锂离子电池退化评估的数据驱动方法
Data-Driven Lithium-Ion Battery Degradation Evaluation Under Overcharge Cycling Conditions
| 作者 | Yiwen Zhao · Zhenpo Wang · Zhenyu Sun · Peng Liu · Dingsong Cui · Junjun Deng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年8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 故障诊断 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 锂离子电池 过充 老化评估 数据驱动 电池管理系统 健康状态评估 安全性 |
语言:
中文摘要
针对电动汽车锂离子电池过充退化评估与异常检测问题，本文提出了一种数据驱动的评估框架。通过多级过充循环实验，分析了电池退化行为与特征，为提升电池健康状态（SOH）评估精度及安全性提供了有效手段。
English Abstract
Accurately assessing degradation and detecting abnormalities of overcharged lithium-ion batteries is critical to ensure the health and safe adoption of electric vehicles. This article proposed a data-driven lithium-ion battery degradation evaluation framework. First, a multilevel overcharge cycling experiment was conducted. Second, the battery degradation behaviors and features were analyzed and e...
S
SunView 深度解读
该研究直接服务于阳光电源储能业务的核心安全需求。在PowerTitan和PowerStack等大型储能系统中，电池过充保护是BMS（电池管理系统）的核心功能。该数据驱动模型可集成至iSolarCloud智能运维平台，通过机器学习算法对电池组进行全生命周期监测，实现过充风险的早期预警。建议研发团队将此评估框架应用于BMS算法优化，提升储能系统在极端工况下的可靠性，并为电池梯次利用及残值评估提供技术支撑，从而增强阳光电源在储能全生命周期管理中的竞争力。