找到 50 条结果 · 储能系统技术
基于随机森林增强型电热老化模型的锂离子电池安全可持续快速充电策略
A Secure-Sustainable-Fast Charging Strategy for Lithium-Ion Batteries Based on a Random Forest-Enhanced Electro-Thermal-Degradation Model
Yajie Jiang · Noven Lee · Xiaojun Deng · Yun Yang · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种基于先进电热老化（ETD）模型的锂离子电池快速充电策略。该模型耦合了温度、荷电状态（SOC）和健康状态（SOH），结合了等效电路模型的简洁性与随机森林（RF）算法的高精度，旨在实现电池充电过程中的安全性、可持续性与高效性平衡。
解读: 该研究对于阳光电源的储能业务（如PowerTitan、PowerStack系列）具有极高价值。通过引入随机森林增强的电热老化模型，公司可进一步优化BMS（电池管理系统）的充电控制算法，在保证电池寿命和安全的前提下，显著提升储能系统的充电效率。该技术可直接应用于iSolarCloud智能运维平台，通过...
一种基于实时频繁项集图像编码的锂离子电池健康状态数据高效估计方法
A data-efficient method for lithium-ion battery state-of-health estimation based on real-time frequent itemset image encoding
Zhen Wangac · Li Zhaob · Yiding Liacd · Wenwei Wangac · Applied Energy · 2025年11月 · Vol.398
摘要 下一代智能电池管理系统（BMS）需要对电池健康状态（SOH）进行精确的实时估计。然而，现有研究常常低估了由大量质量不一的在线数据所带来的挑战，以及由此引发的数据存储、传输和计算压力。本文提出了一种基于有损计数的门控双注意力Transformer（LC-GDAT）框架，在保持SOH估计高精度的同时，显著降低了历史数据的存储需求。为克服因数据压缩导致的信息丢失所引起的误差，本文引入了两个关键模块。第一个是并行时空有损计数特征提取模块（PTS-LC），该模块利用频繁项提取技术识别电池运行过程中重...
解读: 该锂电池SOH实时估算技术对阳光电源储能系统具有重要应用价值。LC-GDAT框架通过有损计数算法大幅降低历史数据存储需求(实验室误差0.46%,实况误差2.23%),可直接应用于PowerTitan储能系统和ST系列PCS的BMS优化。双注意力Transformer机制能精准捕捉电池衰减特征,与iS...
基于物理信息神经网络的锂离子电池健康状态、剩余使用寿命与短期退化路径联合估计
Physics-informed neural network for co-estimation of state of health, remaining useful life, and short-term degradation path in Lithium-ion batteries
Li Yanga · Mingjian Heab · Yatao Ren · Baohai Gao 等5人 · Applied Energy · 2025年11月 · Vol.398
摘要 锂离子电池由于各种内部和外部因素会随时间逐渐退化，这种退化带来了显著的安全性和可靠性风险，凸显了电池健康管理作为关键研究领域的重要性。然而，当前仍面临一个重大挑战，即开发一种通用的健康管理方法，以适应不同的电池材料、工作环境以及多样化的任务需求。为应对这一问题，本文提出了一种新颖的多任务健康管理方法，该方法将多任务处理框架与物理信息神经网络相结合。通过共享参数与任务特定参数的协同设计，并结合基于物理规律的特征提取机制，该方法高效地整合了健康状态估计、剩余使用寿命预测以及短期退化路径预测三项...
解读: 该物理信息神经网络多任务学习框架对阳光电源储能系统具有重要应用价值。可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,实现SOH估算(误差0.75%)、RUL预测(误差104循环)和短期退化路径预测的协同管理。其基于恒压充电阶段电压电流数据的特征提取方法,与阳光电源iSolarCl...
基于增量容量曲线与S变换的电动汽车电池组健康状态估计
State-of-health estimation for EV battery packs via incremental capacity curves and S-transform
Siyi Tao · Jiangong Zhu · Yuan Lic · Siyang Chen 等10人 · Applied Energy · 2025年11月 · Vol.397
准确估计电动汽车（EV）中电池的健康状态（SOH）对于缓解用户的续航焦虑具有重要作用。然而，云端电池管理系统（BMS）数据质量欠佳，加之电池正极材料的多样性，为开发适用于实际EV应用的通用SOH估计方法带来了显著挑战。本研究提出了一种基于充电过程的可推广特征提取框架。该方法从增量容量（IC）曲线中提取时域特征，并利用S变换提取频域特征，同时引入了电池间不一致性指标。为评估所提取特征的鲁棒性，本文采用实验室数据进行了验证。此外，通过针对不同容量和正极材料电池的实验，分析了温度对电池容量及所提取特征...
解读: 该研究提出的电池SOH估计方法对阳光电源储能系统(PowerTitan/ST系列PCS)及充电桩产品具有重要价值。通过增量容量曲线和S变换的多域特征提取,结合GRU-LightGBM融合模型,可显著提升BMS电池健康状态评估精度(MAPE<1.99%)。该技术框架可集成至iSolarCloud平台,...
考虑老化现象的锂离子电池自适应线性变参数建模
Adaptive Linear Time-Varying Parameter-Varying Modeling of Lithium-Ion Batteries Considering Aging Phenomenon
Jie Hou · Yuchao Jiang · Jingxiang Liu · Penghua Li 等7人 · IEEE Transactions on Power Electronics · 2025年11月
本文针对锂电池模型精度与复杂度的平衡难题，提出了一种增强型电池模型。该模型通过引入自适应线性变参数方法，有效捕捉了电池在老化过程中的动态特性，在保持计算效率的同时，显著提升了对复杂影响因素的建模精度。
解读: 该研究对于阳光电源的PowerTitan和PowerStack等储能系统具有重要价值。通过引入自适应变参数建模，可以更精准地评估电池在全生命周期内的老化状态（SOH），从而优化BMS的充放电策略，延长系统使用寿命。此外，该模型可集成至iSolarCloud平台，提升对大型储能电站电池簇的精细化运维能...
基于深度域特征独立对齐网络的锂离子电池无标签数据健康状态估计
State of Health Estimation for Lithium-Ion Battery With Label-Free Data Based on Deep Domain Feature Independent Alignment Network
Chenxi Song · Haitao Yuan · Guangfeng Wang · Naxin Cui · IEEE Transactions on Power Electronics · 2025年10月
针对锂离子电池健康状态（SOH）估计中标签数据匮乏及工况差异导致的精度受限问题，本文提出了一种基于深度域特征独立对齐网络的无标签SOH估计方法，有效提升了跨场景下的电池健康状态评估能力。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的健康状态监控是保障系统安全与运维收益的关键。该方法通过深度学习实现跨工况的无标签SOH估计，能够显著降低iSolarCloud平台对海量标注数据的依赖，提升电池资产的精细化管理水...
基于精细化多状态建模的电池储能系统可靠性指标与评估
Refined multi-state modeling based battery energy storage system reliability indicators and evaluation
Xiaohe Yan · Jialiang Li · Nian Liu · Applied Energy · 2025年9月 · Vol.393
准确评估电池储能系统（BESS）的可靠性对于提高其运行效率、延长使用寿命以及降低维护成本具有重要意义。可靠性指标是实现BESS可靠性评估的关键环节。然而，当前的可靠性指标大多从BESS的整体角度出发进行设定，忽略了内部电池性能的退化过程，难以适用于大容量、多单元、拓扑结构复杂的BESS。因此，本文提出了一种基于BESS精细化多状态模型的可靠性指标体系及综合评价方法。首先，考虑电池单体的性能衰减，建立了基于电池单体健康状态（SOH）的多状态模型，并通过算子分裂的递归通用生成函数（UGF）方法将其扩...
解读: 该电池储能系统多状态可靠性建模技术对阳光电源ST系列PCS及PowerTitan储能解决方案具有重要应用价值。论文提出的基于电芯SOH的精细化多状态模型和'良好-衰减-风险-缺陷-故障'五级分类体系,可直接应用于阳光电源大容量储能系统的健康管理。结合iSolarCloud平台的预测性维护功能,该可靠...
超级电容器研究中的能量存储：从分子模拟到机器学习的跨学科应用
Energy storage in supercapacitor researches: Interdisciplinary applications from molecular simulations to machine learning
Yawen Dong1 · Yutong Liu1 · Feifei Mao · Hua Wu · Applied Energy · 2025年9月 · Vol.393
摘要 科学界持续关注超级电容器（SCs），因其在环境保护和能量存储方面具有重要意义。超级电容器的性能取决于比容量、循环稳定性、功率密度和能量密度等关键特性，其中电极材料的性能、电极与电解质之间的相互作用以及电极表面或层间的电荷转移过程，对超级电容器整体性能具有显著影响。在超级电容器的研究领域中，计算模拟的应用至关重要，因其具备强大的模拟计算与预测能力。本文综述了近年来利用密度泛函理论（DFT）和机器学习（ML）技术设计与优化超级电容器的最新进展。我们总结了DFT在理解电极材料的电子结构、电荷存储...
解读: 该超级电容器研究整合DFT、分子动力学与机器学习的方法论,对阳光电源储能系统具有重要价值。在ST系列PCS和PowerTitan产品中,可借鉴ML技术优化电极材料设计,提升功率密度和循环寿命;将SOH预测算法应用于iSolarCloud平台,实现储能设备健康状态智能监测;结合SiC器件特性,通过计算...
面向绿色人工智能：基于深度学习与滤波技术的商用锂离子电池健康状态估计与退化分析的节能方法
Towards Green AI: Energy-Efficient State of Health Estimation and Degradation Analysis of Commercial Lithium-Ion Batteries Based on Deep Learning and Filter Technique Approach
Deepak Kumar · Mujeeb Ahmed · Majid Jamil · M. Rizwan 等5人 · IEEE Transactions on Industry Applications · 2025年9月
大型数据集中冗余的相似数据点会增加数据集的规模、存储量、内存使用量、训练时间和计算资源需求，导致深度学习（DL）模型效率显著降低。这些低效问题会降低模型性能并增加能耗。现有的基于深度学习的锂离子电池健康状态（SOH）估计方法常常面临计算需求高、精度低和能耗高等挑战。这些模型为了获得准确的结果需要消耗大量能量，从而导致更高的电力需求和碳足迹。因此，本文提出了一种基于冗余减少方法的新型过滤技术（FT）。该方法可提高数据集的质量，即减小数据集规模、降低内存利用率并减少能耗。将这种新型过滤技术与门控循环...
解读: 该节能型电池健康状态估计技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过滤波技术减少冗余数据，可显著降低BMS系统的计算负荷和能耗，特别适用于大规模储能电站的实时健康监测。该方法可集成至iSolarCloud云平台，实现边缘侧轻量化SOH估算与云端深度分析的协...
双向潮流下考虑储能系统状态耦合特性的配电网电压协调管理策略
Coordinated Voltage Management Strategy for Distribution Networks Considering State Coupling Characteristics of Energy Storage Systems under Bidirectional Power Flow
黄莘杰方斯顿罗颖冰陈冠宏牛涛廖瑞金 · 中国电机工程学报 · 2025年7月 · Vol.45
针对高比例可再生能源接入引发的“输-配网双向潮流”带来的电压管理难题，提出一种考虑双向潮流特性的配电网电压协调控制策略。通过分析变压器模型对高低压侧电压调控特性的影响，量化其在双向潮流下的控制能力；结合电池健康状态、荷电状态与功率状态的耦合关系，基于实验数据构建储能系统调节可行域，并采用分段线性化方法建立实用化控制模型，实现对储能充放电能力的动态约束；根据可再生能源渗透水平差异，设计多层次协调电压控制策略，有效抑制电压越限。基于改进IEEE 33节点系统的仿真验证了该方法在不同渗透率场景下的有效...
解读: 该研究对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。文章提出的储能SOC-SOH-功率三态耦合模型及分段线性化可行域建模方法，可直接应用于ST储能变流器的功率管理策略，实现电池健康状态感知下的动态充放电约束，延长电池寿命。双向潮流下的变压器电压调控特性量化分析，为阳光电...
数字孪生与TD3算法实现车联网中电动汽车能量管理优化
Digital Twin and TD3-Enabled Optimization of xEV Energy Management in Vehicle-to-Grid Networks
Irum Saba · Abdulraheem H. Alobaidi · Sultan Alghamdi · Muhammad Tariq · IEEE Access · 2025年5月
电动汽车快速普及需优化储能系统管理以提升性能、寿命和可靠性。传统ESS管理方法在实时状态估计、能量优化和预测性维护方面存在困难，导致电池利用和可持续性效率低下。本文提出先进ESS框架，集成数字孪生DT技术和双延迟深度确定性策略梯度TD3算法（源自DDPG的最先进强化学习方法）。该集成实现关键ESS状态（SOC、SOH、SOE和RUL）的精确实时估计，增强预测性维护和运营效率。所提框架促进主动电池健康监控，生成潜在故障早期预警，通过DT驱动ESS控制实现智能电池更换。通过动态调整ESS控制策略，T...
解读: 该数字孪生技术对阳光电源新能源汽车业务具有重要价值。阳光OBC车载充电机和BMS系统需要精准的电池状态估计和智能能量管理。该研究的DT-TD3框架可集成到阳光车辆能量管理系统，实现99.8%的高精度SOC/SOH估计，优化充电策略和电池寿命管理。在V2G车网互动场景下，该技术可预测电池健康状态，智能...
基于数据驱动与机理模型的锂离子电池健康状态估计与拐点识别
State-of-health estimation and knee point identification of lithium-ion battery based on data-driven and mechanism model
Yulong Ni · Kai Song · Lei Pei · Xiaoyu Li 等8人 · Applied Energy · 2025年5月 · Vol.385
准确的健康状态（SOH）估计与拐点识别对于优化电池性能及生命周期管理至关重要。本文提出了一种结合改进的基于牛顿-拉夫逊优化算法优化支持向量回归与自适应提升算法（INRBO-SVR-AdaBoost）的SOH估计方法，以及一种基于最大垂直距离法并考虑失效阈值的拐点识别方法。首先，引入三项改进以增强标准NRBO算法的全局搜索能力与收敛速度，从而使SVR方法能够获得最优参数；随后，采用AdaBoost算法对INRBO-SVR方法进行集成，进一步提高SOH估计精度。实验结果表明，INRBO-SVR-Ad...
解读: 该锂电池SOH估计与拐点识别技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要价值。INRBO-SVR-AdaBoost算法可集成至iSolarCloud平台,实现储能系统电池健康状态精准预测(误差<0.89%),优化BMS管理策略。拐点识别方法可指导ESS全生命周期管理,精确判定电...
一种基于电化学老化机理的锂离子电池健康状态估计数据驱动方法
An Electrochemical Aging-Informed Data-Driven Approach for Health Estimation of Lithium-Ion Batteries With Parameter Inconsistency
Shuxin Zhang · Zhitao Liu · Yan Xu · Guangwei Chen 等5人 · IEEE Transactions on Power Electronics · 2025年5月
准确估计锂离子电池的健康状态（SOH）对保障系统安全与可靠性至关重要。本文提出了一种融合物理电化学模型与深度学习的数据驱动方法，旨在解决电池参数不一致性带来的SOH估计难题，提升电池全生命周期的健康管理精度。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统规模化应用中，电池组内参数不一致性是影响系统寿命与安全的核心痛点。通过将电化学机理与深度学习结合，可显著提升iSolarCloud平台对储能电站的SOH监测精度，实现更精准的电池寿命预测...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年4月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
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
Yiwen Sun · Qi Diao · Hongzhang Xu · Xiaojun Tan 等6人 · IEEE Transactions on Power Electronics · 2025年4月
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。
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...
一种考虑单体电池运行状态的锂离子电池健康状态贝叶斯迁移学习评估框架
A Bayesian transfer learning framework for assessing health status of Lithium-ion batteries considering individual battery operating states
Jiarui Zhang · Lei Mao · Zhongyong Liu · Kun Yu 等5人 · Applied Energy · 2025年3月 · Vol.382
摘要 锂离子电池（LIBs）健康状态（SOH）的快速准确评估对于实现高效的电池监测与管理具有重要意义。LIBs的退化是一个复杂的过程，每一块电池的退化路径均具有独特性，受到内部和外部多种因素共同影响。然而，现有方法通常将每块电池视为独立个体处理，未能充分挖掘和利用各单体电池的独特特征。为克服这一局限性，本研究提出了一种贝叶斯迁移学习框架，用于建模锂离子电池特有的退化过程，从而完成对SOH的评估。具体而言，构建了一个混合效应模型（MEM）以描述电池健康状态的退化过程，该模型能够捕捉不同电池之间的异...
解读: 该贝叶斯迁移学习框架对阳光电源ST系列储能变流器及PowerTitan储能系统的电池管理具有重要价值。混合效应模型可捕捉单体电池差异性,实现精准SOH评估,优化BMS策略。三种参数更新策略适配不同应用场景,可提升iSolarCloud平台预测性维护能力。该方法兼容循环老化与日历老化,适用于大规模储能...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年3月 · Vol.381
健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...
解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年3月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
基于图特征与深度学习的锂离子电池退化轨迹早期感知
Early perception of Lithium-ion battery degradation trajectory with graphical features and deep learning
Haichuan Zhao · Jinhao Meng · Qiao Peng · Applied Energy · 2025年3月 · Vol.381
摘要 在电池储能系统（BESS）的全生命周期管理中，早期捕捉锂离子电池（LIB）的退化路径至关重要，然而现有研究主要集中在短期电池健康状态（如健康状态，SOH）诊断。本研究提出一种创新性概念，旨在仅利用少量初始循环数据即可感知锂离子电池的退化轨迹，从而为BESS复杂化的运行与维护策略预留充足的调整空间。本文提出一种新颖的深度学习框架，通过构建基于电池早期使用数据的图特征来获取容量退化轨迹。为了捕获更丰富的容量衰减特征，该框架通过生成增量容量（IC）曲线和容量差分曲线对电压-容量数据进行增强，并将...
解读: 该早期电池退化轨迹预测技术对阳光电源ST系列储能系统及PowerTitan产品具有重要价值。通过少量初始循环数据的图形化特征和深度学习,可在电池全生命周期早期预判容量衰减路径,为储能系统预测性维护提供60个循环内的精准预警。该技术可集成至iSolarCloud平台,结合增量容量曲线分析,优化BMS健...
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
Chenyang Pan · Zhaoxia Peng · Shichun Yang · Guoguang Wen 等5人 · IEEE Transactions on Power Electronics · 2025年3月
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。
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...
第 1 / 3 页