找到 5 条结果 · IEEE Access
电池管理系统：威胁建模、脆弱性分析和网络安全策略
Battery Management System: Threat Modeling, Vulnerability Analysis, and Cybersecurity Strategy
Shravan Murlidharan · Varsha Ravulakole · Jyothi Karnati · Hafiz Malik · IEEE Access · 2025年2月
电池管理系统BMS在现代储能技术中发挥关键作用，确保电池安全、性能和寿命。然而随着BMS日益复杂和互联，面临不断增长的网络安全挑战可能导致灾难性故障和安全隐患。本文全面概述针对传统和无线BMS的网络攻击。探索各种攻击载体，包括恶意软件注入、电磁干扰EMI、温度传感操纵、传感器故障和故障注入、现代BMS干扰攻击。通过威胁建模和脆弱性分析，本文检查对BMS功能、安全和性能的潜在影响。突出不同BMS架构和组件相关的脆弱性，强调保护免受新兴威胁所需的强大网络安全措施。关键网络安全策略包括入侵检测系统ID...
解读: 该BMS网络安全研究对阳光电源储能和电动汽车BMS产品线有重要参考价值。阳光储能BMS和车载OBC面临日益严峻的网络安全威胁。威胁建模和脆弱性分析方法可应用于阳光BMS安全评估和防护设计。入侵检测IDS和加密身份验证技术可集成到阳光BMS中，提升系统安全等级。可信平台模块TPM等硬件安全机制对阳光开...
基于Transformer的电动汽车电池荷电状态估计模型
A Transformer-Based Model for State of Charge Estimation of Electric Vehicle Batteries
Metin Yılmaz · Eyüp Çinar · Ahmet Yazıcı · IEEE Access · 2025年2月
电池在电动汽车EV系统设备中发挥关键作用。这些应用的安全性和性能依赖准确的电池管理系统BMS来监测和优化电池性能。传统BMS系统因复杂化学过程和电池老化在充电预测过程中面临挑战，导致故障。完美传感器的缺失凸显外部因素特别是传感器噪声引起的测量问题的局限性。因此需要能解决现实世界电池充电预测问题的算法。本研究比较创新解决方案Transformer模型与传统长短期记忆LSTM、双向LSTM和支持向量回归SVR。本研究旨在使用NASA、BMW i3、斯坦福大学电池数据集和本研究收集的Musoshi品牌...
解读: 该Transformer模型SOC估计技术对阳光电源电池管理系统产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOC估计来优化充电策略和电池保护。Transformer相比传统LSTM的性能优势值得阳光BMS算法借鉴。RMSE接近1的卓越精度可显著提升阳光BMS的SOC估计准确性。该技术...
混合能源系统中微控制器驱动的电池管理：应用、控制策略和新兴趋势的系统综述
Microcontroller-Driven Battery Management in Hybrid Energy Systems: A Systematic Review of Applications, Control Strategies, and Emerging Trends
Ripfumelo Humphrey Malele · Bongumsa Mendu · Bessie Baakanyang Monchusi · IEEE Access · 2025年2月
微控制器驱动的电池管理系统BMS对电动汽车、便携电子设备和可再生能源储能等应用至关重要。这些系统监控控制电压、电流、温度和荷电状态等关键参数以优化电池性能和寿命。本研究对混合能源系统中微控制器驱动电池管理进行系统文献综述，聚焦应用、控制策略和新兴趋势。综述发现微控制器系统在可再生能源和电池管理领域取得重大进展。MPPT和PWM等工具提高效率，Arduino和TMS320F28379D等微控制器根据项目平衡成本和性能。锂离子电池因长寿命受青睐，铅酸电池因成本低仍有市场。关键贡献包括综述电池充电系统...
解读: 该BMS综述对阳光电源储能和电动汽车产品线有全面参考价值。阳光储能BMS和车载OBC采用高性能微控制器实现精准电池管理。MPPT算法是阳光光伏逆变器核心技术，该综述验证其在电池充电中的重要性。PWM控制技术与阳光功率变换器控制策略一致。锂离子电池管理是阳光BMS产品的核心场景。该综述识别的研究空白和...
利用数字孪生技术进行电池管理：案例研究综述
Leveraging Digital Twin Technology for Battery Management: A Case Study Review
Judith Nkechinyere Njoku · Ebuka Chinaechetam Nkoro · Robin Matthew Medina · Cosmas Ifeanyi Nwakanma 等6人 · IEEE Access · 2025年1月
电池管理系统BMS复杂性增加导致处理准确实时监测和控制所需海量数据面临挑战。现有严重依赖人工智能AI的BMS框架常因数据限制而影响状态估计精度，最终影响电池性能和安全性。提出集成数字孪生DT技术应对这些挑战。DT创建物理电池系统的虚拟表示，通过先进AI算法实现增强监测、预测性维护和优化性能。本研究全面探索BMS的DT技术。首先综述基本概念，包括DT在电池管理中的定义、角色和高层架构。其次检查研究和行业案例研究以识别开发强大电池DT的必要技术和工具。提出详细框架将DT与现有BMS基础设施集成，聚焦...
解读: 该数字孪生电池管理技术对阳光电源BMS产品线有前瞻性参考价值。阳光储能BMS和车载OBC可借鉴DT技术实现虚拟仿真和优化。数字孪生虚拟表示可应用于阳光电池系统的状态监测和预测性维护。AI算法与DT集成的思路可提升阳光BMS的智能化水平。该综述提出的集成框架和实施策略，对阳光BMS数字化转型有指导意义...
基于新型混合深度神经网络的电池SOC和SOH估计
Battery State of Charge and State of Health Estimation Using a New Hybrid Deep Neural Network Approach
Saeid Jorkesh · Ryan Ahmed · Saeid Habibi · Reza Hosseininejad 等5人 · IEEE Access · 2024年10月
电动汽车BEV采用增加推动电池管理系统BMS进步，以应对成本和续航焦虑等挑战，两者均与电池性能相关。本文研究各种荷电状态SOC和健康状态SOH估计方法，提出结合门控循环单元GRU和长短期记忆LSTM模型的新型混合神经网络。所提方法在SOH和SOC估计精度方面显示显著改进，所需训练数据最少。关键贡献包括(1)混合GRU-LSTM模型提升SOC/SOH精度，(2)自优化能力，(3)有效处理温度变化无需OCV-SOC查找表，(4)适用于各种锂电池类型。实验结果显示，该方法在-10°C至40°C温度范围...
解读: 该混合神经网络技术对阳光电源电池管理系统具有重要应用价值。阳光ST储能系统和OBC车载充电机需要高精度SOC和SOH估计以优化充放电策略和延长电池寿命。该GRU-LSTM混合模型在宽温度范围内的高精度（SOC误差2%、SOH误差0.65%）可集成到阳光BMS系统，提升电池状态估计准确性。在工商业储能...