← 返回
基于局部充电曲线重构的锂离子电池健康状态估计
State of Health Estimation for Lithium-Ion Batteries Based on Partial Charging Curve Reconstruction
| 作者 | Yiwen Sun · Qi Diao · Hongzhang Xu · Xiaojun Tan · Yuqian Fan · Liangliang Wei |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年4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 健康状态 (SOH) 部分充电曲线 曲线重构 电池管理系统 (BMS) 估计方法 |
语言:
中文摘要
为保障锂离子电池安全高效运行,精确估计健康状态(SOH)至关重要。针对现有研究多依赖完整或大范围充电曲线、在实际应用中难以获取的问题,本文提出了一种基于局部充电曲线重构的SOH估计新方法,有效提升了电池状态评估的实用性与准确性。
English Abstract
To guarantee the safe and efficient operation of lithium-ion batteries, it is crucial to precisely estimate the state of health (SOH) of batteries. However, most of the existing studies have primarily focused on complete or large-range charging curves, which are highly challenging to acquire in practical applications. To this end, a novel SOH estimation method based on partial charging curve recon...
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。在实际电站运维中,电池往往难以充满,基于局部曲线的SOH估计能显著提升iSolarCloud平台对电池衰减的监测精度,无需等待电池完全充电即可完成评估。建议将该算法集成至BMS核心算法库中,以优化储能电站的寿命管理,提升系统全生命周期收益,并为电网侧及工商业储能项目的精细化运维提供技术支撑。