← 返回
面向锂离子电池跨域荷电状态估计的温度自适应迁移网络
Temperature Adaptive Transfer Network for Cross-Domain State-of-Charge Estimation of Li-Ion Batteries
| 作者 | Liyuan Shen · Jingjing Li · Jieyan Liu · Lei Zhu · Heng Tao Shen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年3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 | 荷电状态 (SOC) 锂离子电池 电池管理系统 迁移学习 SOC 估计 深度学习 温度适应性 |
语言:
中文摘要
荷电状态（SOC）估计是电池管理系统（BMS）的核心，对保障电池安全至关重要。现有的数据驱动方法依赖大量标注数据，且假设训练与测试数据分布一致。然而，实际应用中往往缺乏标注数据且存在分布差异。本文提出一种温度自适应迁移网络，旨在解决不同工况及温度下的跨域SOC估计难题。
English Abstract
State-of-charge (SOC) estimation plays an important role in the battery management system, which serves to ensure the safety of batteries. Existing data-driven methods for SOC estimation of Li-ion batteries rely on massive labeled data and the assumption that training and testing data share the same distribution. However, in the real world, there is only unlabeled target data and there exists dist...
S
SunView 深度解读
该技术对阳光电源的PowerTitan和PowerStack等储能系统具有极高价值。目前储能电站面临不同温度环境及电池老化带来的数据分布偏移问题，导致BMS估算精度下降。引入温度自适应迁移网络，可显著提升iSolarCloud平台在复杂工况下的SOC估算准确度，减少对大规模离线训练数据的依赖。建议研发团队将其集成至BMS算法库中，以优化大容量储能系统的全生命周期管理，提升系统安全性与可用容量利用率，从而增强阳光电源储能产品在极端环境下的市场竞争力。