找到 3 条结果 · Applied Energy
基于改进长短期记忆网络与数据驱动预测控制的电动汽车能量管理
Energy management of electric vehicles based on improved long short term memory network and data-enabled predictive control
Bin Chen · Guo He · Lin Hu · Heng Li 等7人 · Applied Energy · 2025年1月 · Vol.384
摘要 作为混合储能系统（HESS）电动汽车中一种流行的能量管理策略（EMS），模型预测控制（MPC）易受现有参数建模方法在模型精度和参数敏感性方面的影响。本文提出了一种基于分层数据驱动预测控制的新型EMS。上层采用优化的长短期记忆（LSTM）网络进行轨迹预测，从而为下层获取具有成本效益的负载功率需求。在下层，针对HESS提出了一种数据驱动预测控制（DeePC）方法，以实现电池与超级电容器之间的最优功率分配，并最小化电池容量衰减。与传统的MPC不同，DeePC基于仅从HESS的输入-输出数据构建的...
解读: 该分层数据驱动预测控制技术对阳光电源储能系统具有重要应用价值。论文提出的DeePC方法无需精确参数建模,仅依赖输入输出数据即可实现电池-超级电容混合储能的最优功率分配,相比传统MPC降低运行成本22.68%。该技术可直接应用于ST系列PCS的能量管理策略优化,通过LSTM网络预测负荷需求,结合Dee...
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,...
圆柱形锂离子电池串联电弧的演化规律及诱发失效研究
Study on the evolution laws and induced failure of series arcs in cylindrical lithium-ion batteries
Wenqiang Xu · Kai Zhou · Yalun Li · Bin Gao 等10人 · Applied Energy · 2025年1月 · Vol.377
摘要 随着储能与动力电池系统电压等级的提升，电池系统的电气安全问题受到广泛关注。电池系统中因连接松动等电气故障引发的串联电弧问题日益严重。然而，目前针对电池系统中串联电弧的研究仍处于初级阶段。因此，为探究电池相关的电弧灾害问题，本研究搭建了模拟串联电弧故障的实验平台。以正极接线端电弧为重点研究对象，探讨了不同条件下电池相关电弧的演化规律，并分析了其对电池造成的危害效应。结果表明，当系统电压为200 V、电路电流为2C时，不同荷电状态（SOC）的电池均可产生稳定的电弧。同时，电弧可熔穿电池外壳形成...
解读: 该研究揭示的200V系统串联电弧演化规律对阳光电源储能系统安全设计具有重要参考价值。针对ST系列PCS及PowerTitan储能系统,建议在电池簇连接处集成电弧检测算法,通过监测电流波动特征实现早期预警。研究中电弧导致的电池壳体熔穿、电解液泄漏等失效模式,可指导iSolarCloud平台开发基于温升...