找到 7 条结果 · Applied Energy
锂离子电池建模研究综述与展望：当前研究的深入分析与未来发展方向
A comprehensive review of lithium-ion battery modelling research and prospects: in-depth analysis of current research and future directions
Bowen Zheng · Zhichao Dengd · Zhenhao Luo · Shuoyuan Mao 等14人 · Applied Energy · 2025年12月 · Vol.401
摘要 随着全球能源转型与低碳技术的快速发展，锂离子电池作为核心储能单元，其性能提升与安全管理高度依赖于精确的电池建模。电池建模经历了从机理驱动到数据驱动、从单尺度到多尺度融合的发展过程，形成了三大主流技术体系：其一，基于Thevenin框架的等效电路模型（ECM），利用RC网络拟合电池外部特性，通过引入迟滞模块并结合遗传算法优化，可在电池管理系统（BMS）实时控制中实现毫秒级响应，展现出显著的工程应用优势；然而，其建模逻辑局限于端口特性，缺乏对深层物理机制的解释能力。其二，基于多孔电极理论和偏微...
解读: 该锂电池建模综述对阳光电源储能系统具有重要指导意义。等效电路模型可直接应用于ST系列PCS的BMS实时控制,实现毫秒级SOC估算;物理场模型支撑PowerTitan电池包热管理优化和材料选型;数据驱动模型可融入iSolarCloud平台,提升储能电站全生命周期预测性维护能力。多尺度混合建模思路为阳光...
结合电化学与数据稀疏高斯过程回归的锂离子电池混合建模
Combining electrochemistry and data-sparse Gaussian process regression for lithium-ion battery hybrid modeling
Jackson Fogelquis · Xinfan Lin · Applied Energy · 2025年12月 · Vol.399
摘要 锂离子电池的广泛应用推动了先进电池管理系统（BMS）的同步发展，这些系统旨在通过最先进的控制、诊断和预测技术来最大化安全性和性能。为了实现这些功能，电池模型必须能够准确预测输出电压和物理内部状态，但由于系统不确定性不可避免以及在线计算资源有限，这一目标具有挑战性。为此，本文提出了一种计算高效的混合建模框架，该框架将基于物理原理的电化学电池模型与高斯过程回归（GPR）机器学习模型相结合，以补偿由系统不确定性引起的输出预测误差。该框架的一个关键特征是提出了一种数据采样方法，该方法利用GPR在稀...
解读: 该混合建模技术对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过融合电化学模型与高斯过程回归,可将电压预测误差从119mV降至7.3mV,参数估计精度提升一个数量级,且计算时间比仅为0.003,满足在线应用需求。该方法可直接应用于阳光储能系统的SOC/SOH估算、故...
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,...
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...
一种用于锂离子电池退化轨迹预测的合成数据生成方法及进化型Transformer模型
A synthetic data generation method and evolutionary transformer model for degradation trajectory prediction in lithium-ion batteries
Haiyan Jin · Rui Ru · Lei Cai · Jinhao Meng 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 在锂离子电池使用的早期阶段识别其长期退化行为，对于电池管理系统（BMS）在实际应用中有效维护电池至关重要。然而，由于电池在生产和运行条件方面存在差异，该过程面临较大挑战。近年来，已有研究经验证明，数据驱动方法在处理退化预测问题上具有良好的应用前景。然而，合适数据的缺乏仍是影响预测最终性能的主要障碍。此外，预测结果还受到预测器设置的影响，包括神经网络结构及其超参数的设定。实现该过程自动化的挑战至今仍未得到解决。在本研究中，我们提出了一种新颖的退化轨迹预测框架。首先，通过条件生成对抗网络（CG...
解读: 该锂电池退化预测技术对阳光电源储能系统具有重要价值。通过CGAN合成数据和Transformer模型可显著提升ST系列PCS及PowerTitan储能系统中BMS的预测精度,解决早期退化识别难题。自动化超参数优化框架可集成至iSolarCloud平台,实现储能电站电池全生命周期健康管理和预测性维护,...
考虑灰水回用、响应式暖通空调和储能的最优成本预测型建筑管理系统
Optimal cost predictive BMS considering greywater recycling, responsive HVAC, and energy storage
Ahmed R.El Shamy · Ameena Saad Al Sumaiti · Applied Energy · 2025年1月 · Vol.377
摘要 可持续城市的一个关键方面是确保能源和水资源供应能够充分满足城市需求。随着自然资源日益稀缺以及电力和用水需求不断增长，消费者更高效地管理自身资源使用变得愈发重要。本文提出了一种新的需求侧管理协调策略视角，针对建筑水-能耦合系统，以提升整体电-水-供热系统的韧性与效率。该模型旨在对住宅建筑中的现场灰水回用系统、供暖、通风与空调（HVAC）负荷、分布式发电系统以及双向电网连接进行优化协调。所有子系统均由模型预测控制器（MPC）进行控制，该控制器接收来自电力和水务公司的实时分时电价（ToU）。所提...
解读: 该建筑能源管理系统(BMS)研究对阳光电源ST系列储能变流器和PowerTitan系统具有重要参考价值。文中基于模型预测控制(MPC)的多能源协调优化策略,可与我司iSolarCloud平台深度融合,实现储能系统与HVAC负载的实时联动调度。研究验证的8.3%成本削减和削峰填谷效果,印证了我司储能P...