找到 5 条结果 · IEEE Transactions on Power Electronics
磷酸铁锂电池荷电状态与健康状态的偏差补偿联合估计
Bias-Compensated State of Charge and State of Health Joint Estimation for Lithium Iron Phosphate Batteries
Baozhao Yi · Xinhao Du · Jiawei Zhang · Xiaogang Wu 等8人 · IEEE Transactions on Power Electronics · 2025年2月
准确的荷电状态（SOC）和健康状态（SOH）估计对电池安全运行至关重要。由于磷酸铁锂（LFP）电池开路电压（OCV）曲线平坦，电压测量偏差严重影响估计精度。本文提出了一种偏差补偿算法，实现了LFP电池SOC和SOH的可靠联合估计。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。LFP电池是PowerTitan和PowerStack系列产品的核心，其平坦的OCV曲线在实际应用中极易受传感器偏差影响，导致SOC估算漂移。该偏差补偿算法可集成至阳光电源的BMS（电池管理系统）中，显著提升系统在长周期运行下的SOC/SOH估算精度，减少...
面向锂离子电池测量不确定性的精确状态估计集成框架
Integrated Framework for Accurate State Estimation of Lithium-Ion Batteries Subject to Measurement Uncertainties
Muhammad Saeed · Shuai Lu · Ziyou Song · Xiaosong Hu · IEEE Transactions on Power Electronics · 2024年7月
本文针对锂离子电池管理系统（BMS）中传感器测量不确定性导致的估计误差问题，提出了一种精确的状态估计集成框架。该方法旨在克服电池非线性特性带来的挑战，通过优化传感器不确定性检测与状态估计机制，提升BMS对电池荷电状态（SOC）及健康状态（SOH）的监测精度，从而增强储能系统的安全性和可靠性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统核心BMS算法的优化。在大型储能电站中，传感器精度对电池簇的一致性管理至关重要。该框架提出的不确定性处理方法，有助于提升阳光电源iSolarCloud平台在电池全生命周期状态监测的准确性，降低因测量误差导致的过充过放风险。建...
基于主动电流注入的锂离子电池状态与参数联合估计
Combined State and Parameter Estimation of Lithium-Ion Battery With Active Current Injection
Ziyou Song · Hao Wang · Jun Hou · Heath F. Hofmann 等5人 · IEEE Transactions on Power Electronics · 2020年4月
本文研究了锂离子电池荷电状态（SoC）、健康状态（SoH）及动态参数的联合估计问题。针对传统方法收敛速度慢及受测量噪声和模型误差影响大的问题，提出了一种主动电流注入策略，以提高估计的收敛速度与精度，确保电池系统运行的可靠性与最优性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及户用储能系统）具有极高的应用价值。通过主动电流注入实现SoC/SoH的高精度联合估计，可显著提升BMS的估算准确度，延长电池循环寿命，并降低因模型偏差导致的过充过放风险。建议研发团队将其集成至iSolarCloud智能运维平台...
基于克拉默-拉奥界分析的锂离子电池荷电状态与健康状态联合估计电流剖面优化
Current Profile Optimization for Combined State of Charge and State of Health Estimation of Lithium Ion Battery Based on Cramer–Rao Bound Analysis
Ziyou Song · Xiaogang Wu · Xuefeng Li · Jing Sun 等6人 · IEEE Transactions on Power Electronics · 2019年7月
本文针对锂离子电池的荷电状态（SoC）与健康状态（SoH）在线估计问题，基于一阶等效电路模型（ECM），采用多尺度扩展卡尔曼滤波进行参数与状态估计。研究指出电池激励电流剖面对估计精度影响显著，通过克拉默-拉奥界（CRB）分析优化电流激励，旨在提升电池管理系统的估计效率与可靠性。
解读: 该研究直接服务于阳光电源储能业务的核心——电池管理系统（BMS）。在PowerTitan和PowerStack等大型储能系统中，精准的SoC/SoH估计是实现电池簇均衡管理、延长循环寿命及保障安全运行的关键。通过CRB理论优化电流激励剖面，可提升BMS在复杂工况下的状态感知精度，减少因估算偏差导致的...
基于克拉美-罗界分析的电池/超级电容混合储能系统参数辨识与最大功率估计
Parameter Identification and Maximum Power Estimation of Battery/Supercapacitor Hybrid Energy Storage System Based on Cramer–Rao Bound Analysis
Ziyou Song · Jun Hou · Heath F. Hofmann · Xinfan Lin 等5人 · IEEE Transactions on Power Electronics · 2019年5月
本文针对电池/超级电容混合储能系统（HESS），提出了一种用于状态监测和最大功率估计的参数辨识方法。通过费舍尔信息矩阵分析，推导了考虑电压测量噪声下的参数辨识误差解析界，并进行了实验验证。
解读: 该研究对于阳光电源的PowerTitan和PowerStack等储能系统具有重要价值。通过克拉美-罗界（CRB）分析优化参数辨识精度，可显著提升BMS对电池健康状态（SOH）和功率能力的评估准确性，从而优化PCS的充放电策略。在混合储能方案中，该技术有助于更精准地分配电池与超级电容的功率，延长系统寿...