← 返回
电动汽车锂离子电池数据驱动故障溯源
A Data-Driven Fault Tracing of Lithium-Ion Batteries in Electric Vehicles
| 作者 | Shuhui Wang · Zhenpo Wang · Jinquan Pan · Zhaosheng Zhang · Ximing Cheng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年12月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 机器学习 电池管理系统BMS 可靠性分析 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 锂离子电池 故障诊断 大数据 随机森林 电动汽车 电池管理系统 特征提取 |
语言:
中文摘要
针对电动汽车锂离子电池火灾隐患,本文提出了一种基于全生命周期充电数据的大数据驱动故障溯源框架。通过随机森林算法挖掘并自动筛选与故障强相关的电压特征,实现对电池故障的精准识别与溯源,为提升电池系统安全性提供了有效的数据驱动方案。
English Abstract
Lithium-ion battery failure is the main cause of electric vehicle fire accidents. In this article, we propose a fault analysis framework for Big Data-driven fault trace extraction based on the whole-life-cycle charging data of onboard lithium-ion batteries. First, battery voltage features strongly correlated with faults are mined and automatically selected by a random forest algorithm from the las...
S
SunView 深度解读
该研究提出的数据驱动故障溯源方法与阳光电源的储能业务高度契合。阳光电源的PowerTitan和PowerStack系列储能系统均配备先进的BMS,通过引入此类机器学习算法,可显著提升对电芯级异常的预判能力,从“事后报警”转向“事前预防”。建议将该技术集成至iSolarCloud智能运维平台,利用海量储能电站运行数据,优化电池健康度(SOH)评估模型,降低热失控风险,进一步提升阳光电源储能产品的全生命周期安全性和运维效率。