找到 1 条结果 · IEEE Transactions on Power Electronics
一种电动汽车锂离子电池膝点直接预测的混合算法
A Hybrid Algorithm for Direct Knee Point Prediction of Lithium-Ion Battery in Electric Vehicle
Tiancheng Ouyang · Yingying Su · Weijie Peng · Longde Su · IEEE Transactions on Power Electronics · 2026年3月
针对现有锂电池膝点预测方法依赖早期循环数据且通用性差的问题，本文提出了一种直接预测算法。该方法仅需电池前10次循环的数据即可实现可靠的膝点预测，并结合迁移学习算法提升了模型的泛化能力。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及户用储能）具有极高价值。锂电池的“膝点”（容量衰减加速点）是评估储能系统寿命和安全性的关键指标。通过引入该直接预测算法，阳光电源的iSolarCloud智能运维平台可实现更精准的电池健康状态（SOH）监测与寿命预警，显著降低运维...