← 返回
考虑容量再生现象的基于最大相关熵滤波的SOH自适应融合估计方法
Maximum Correntropy Filter-Based Adaptive Fusion Method for SOH Estimation Considering Capacity Regeneration Phenomenon
| 作者 | Chenyang Pan · Zhaoxia Peng · Shichun Yang · Guoguang Wen · Tingwen Huang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025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 故障诊断 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 健康状态 (SOH) 锂离子电池 容量再生 最大相关熵滤波器 电池管理系统 自适应融合 退化率 |
语言:
中文摘要
锂离子电池健康状态（SOH）的准确估计对电动汽车及储能系统的安全至关重要。针对电池老化过程中不可避免的“容量再生”现象导致的退化率波动及估计精度下降问题，本文提出了一种基于最大相关熵滤波的自适应融合估计方法，有效提升了复杂工况下电池SOH的预测精度与鲁棒性。
English Abstract
As a key indicator of aging, accurate state of health (SOH) estimation of lithium-ion batteries helps to keep the safety and reliability of electrical vehicles. Capacity regeneration phenomenon, which unavoidably occurs in the battery aging, will change the degradation rate of batteries and reduce the SOH estimation accuracy. To solve this issue, this article proposes a maximum correntropy filter-...
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的应用价值。电池容量再生现象会导致BMS在估算SOH时产生偏差，进而影响储能电站的可用容量评估与运维策略。引入最大相关熵滤波算法，能够显著提升BMS在复杂充放电工况下的SOH估计精度，优化电池组的一致性管理。建议将该算法集成至iSolarCloud智能运维平台，通过大数据分析实现对电池全生命周期的精准健康评估，从而延长储能系统使用寿命，降低运维成本，提升阳光电源在大型电网侧及工商业储能市场的核心竞争力。