← 返回
输入数据缺失情况下的车用锂离子电池荷电状态估计
State-of-Charge Estimation of Automotive Lithium-Ion Batteries during Lack of Input Data Update
| 作者 | Tiancheng Ouyang · Yubin Gong · Yingying Su · Song Jin |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年5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 可靠性分析 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 荷电状态(SOC) 锂离子电池 传感器故障 数据更新 状态估计 电动汽车 电池管理系统 |
语言:
中文摘要
针对电动汽车传感器因振动或连接松动导致数据采集异常的问题，本文提出了一种基于双向机制的状态估计方法。该方法在输入数据缺失的情况下，仍能实现对锂离子电池荷电状态（SOC）的准确监测与诊断，提升了储能系统在复杂工况下的运行可靠性。
English Abstract
Accurate states monitoring and timely diagnosis of energy storage device for electric vehicles are important, and they depend on the data collected by a large number of sensors. High-frequency vibration and loose connectors make the local sensors fail in the long term, which causes the abnormal collection of data and states monitoring. In this article, a state estimation method based on the bidire...
S
SunView 深度解读
该研究对于阳光电源的储能业务（如PowerTitan、PowerStack系列）具有重要的参考价值。在大型储能电站中，传感器故障导致的BMS数据异常会直接影响SOC估算的准确性，进而引发系统保护性停机或充放电策略失效。本文提出的数据缺失补偿算法可集成至iSolarCloud智能运维平台或BMS底层逻辑中，提升系统在极端环境下的鲁棒性。建议研发团队关注该算法在复杂工况下的计算资源消耗，并将其作为提升储能系统全生命周期可靠性的技术储备，以降低运维成本并优化电池资产管理。