← 返回
储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于往复式移动视界估计的快速收敛车载锂离子电池荷电状态估计

Fast Convergent On-Board Li-Ion Battery State-of-Charge Estimation via Back-Forth Moving Horizon Estimation

作者 Zhihao Liu · Yu Xiao · Yuan Yuan · Xiaodong Xu · Biao Luo · Tingwen Huang
期刊 IEEE Transactions on Power Electronics
出版日期 2025年9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
相关度评分 ★★★★★ 5.0 / 5.0
关键词 荷电状态 (SOC) 锂离子电池 移动视界估计 (MHE) 电池管理系统 (BMS) 在线估计 计算效率
语言:

中文摘要

准确的荷电状态(SOC)估计对锂离子电池的安全运行至关重要。针对现有方法对初始SOC敏感及计算复杂度高的问题,本研究提出了一种车载往复式移动视界估计(BFMHE)框架,在保证高精度和鲁棒性的同时,显著提升了计算效率,适用于车载电池管理系统。

English Abstract

Accurate state-of-charge (SOC) estimation is crucial for the safe operation of lithium-ion batteries, yet existing methods are limited by sensitivity to initial SOC guess or high computational complexity. To address these challenges, this study proposes an onboard back-forth moving horizon estimation (BFMHE) framework for SOC estimation, achieving high precision, robustness, and computational effi...
S

SunView 深度解读

该技术对阳光电源的储能业务(PowerTitan、PowerStack及户用储能系统)具有极高的应用价值。SOC估计的精度与收敛速度直接决定了储能系统的可用容量及运行安全性。BFMHE框架通过优化计算复杂度,能够有效提升BMS在复杂工况下的状态感知能力,减少对初始值的依赖,从而提升系统在电网侧、工商业及户用场景下的调峰调频性能。建议研发团队将其集成至iSolarCloud智能运维平台及BMS算法库中,以提升电池全生命周期的健康管理水平,降低运维成本。