找到 2 条结果 · IEEE Transactions on Power Electronics

排序:
储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于传感器融合的智能电池模组荷电状态估计

Sensor Fusion-Enabled State of Charge Estimation of Smart Battery Module

Haoyong Cui · Zhongbao Wei · Rui Wang · IEEE Transactions on Power Electronics · 2025年1月

随着锂离子电池精细化管理需求增长,本文针对智能电池模组提出了一种数据与模型双驱动的高精度荷电状态(SOC)估计方案。通过引入低成本准冗余电流传感技术,有效提升了单体电池级SOC估计的准确性与可靠性,为电池管理系统的智能化升级提供了新路径。

解读: 该技术对阳光电源的PowerTitan和PowerStack系列储能系统具有重要应用价值。通过引入传感器融合与数据驱动算法,可显著提升BMS在电池模组层级的SOC估算精度,从而优化电池簇的一致性管理,延长系统循环寿命。建议研发团队关注该方案的低成本实现路径,将其集成至iSolarCloud平台,以实...

储能系统技术 储能系统 电池管理系统BMS 智能化与AI应用 ★ 5.0

无电流传感器锂离子电池负载电流与荷电状态联合估计

Load Current and State-of-Charge Coestimation for Current Sensor-Free Lithium-Ion Battery

Zhongbao Wei · Jian Hu · Hongwen He · Yang Li 等5人 · IEEE Transactions on Power Electronics · 2021年10月

针对便携式电子设备及智能电池中电流传感器安装受限的问题,本文提出了一种无需电流传感器的锂离子电池负载电流与荷电状态(SOC)联合在线估计方法,有效降低了电池管理系统的硬件复杂性与成本。

解读: 该技术对阳光电源的储能业务(PowerTitan、PowerStack及户用储能系统)具有重要意义。通过去除电流传感器,不仅能降低BMS硬件成本,还能提升系统在极端环境下的可靠性。在大型储能电站中,该算法可作为冗余备份,在传感器故障时保障系统安全运行。建议研发团队评估该算法在BMS中的集成可行性,特...