找到 2 条结果 · Applied Energy
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1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...
建筑一体化光伏系统自主设计框架
Autonomous design framework for deploying building integrated photovoltaics
Qingxiang Li · Guidong Yang · Chenhang Bian · Lingege Long 等11人 · Applied Energy · 2025年1月 · Vol.377
摘要 钙钛矿太阳能电池技术的进步为建筑一体化光伏系统（BIPV）的广泛应用提供了广阔的前景。寻找一种高效且准确的方法对于提供部署策略以支持决策至关重要。本研究开发了一种用于BIPV的自主决策设计框架，涵盖数据采集、三维建模和部署策略制定。在数据采集方面，构建了一个开源的无人机平台，用于执行一种创新的“先探索后利用”算法，以生成观测视角并进行路径规划。随后，采用一种独特的基于深度学习的多视角立体视觉网络生成建筑物的点云模型，并将其转换为多边形表面模型。此外，开发了一种新型Grasshopper插件...
解读: 该BIPV自主设计框架对阳光电源SG系列光伏逆变器及智能运维平台具有重要应用价值。研究提出的建筑光伏部署优化方法可与我司iSolarCloud平台深度融合,通过3D建模和全生命周期成本分析,为城市建筑光伏系统提供精准的容量配置和MPPT优化策略。该框架可延伸至光储充一体化场景,结合ST系列储能变流器...