Chuan-Ke Liu · Mao-Lin Li · Shun Ma · Xin-Yi Liu 等6人 · Energy Conversion and Management · 2025年3月 · Vol.327

摘要 高功率直流快充（DC-HPC）有望推动电动汽车（EV）向高能效与低碳可持续方向发展，但在极端高温冲击下存在热失控风险。传统的冷却方法将电流传输与散热过程分离，在超大充电电流条件下难以实现高效的热管理与结构灵活性。本文提出一种基于液态金属（LM）的热-电耦合电流传输策略，构建了用于电动汽车超充的柔性协同供电线（FSPL），即使在超过1000 A的电流下仍可稳定工作。该液态金属基FSPL（LM-FSPL）兼具载流导通与主动冷却散热的协同功能，能够快速消除超高充电电流所产生的超高热流密度，从而促...

解读: 该液态金属热电耦合传输技术对阳光电源充电桩产品线具有重要价值。针对1000A+超大功率直流快充场景,液态金属同步实现载流与主动冷却,可显著提升充电站热管理效率。技术启示:1)可优化现有DC充电模块的热设计,突破功率密度瓶颈;2)柔性可弯曲特性适配充电枪线缆轻量化需求;3)62.7%的散热能力提升可降...

Si-Zhe Chen · Jing Liu · Haoliang Yuan · Yibin Tao 等6人 · Applied Energy · 2025年3月 · Vol.381

健康状态（SOH）是电池管理系统（BMS）中的一个关键参数。利用多种数据源可有效提升端到端SOH估计的性能。然而，现有的基于多维特征的方法未能充分挖掘不同数据源之间的内在关联。同时，大多数方法缺乏可解释性，并忽视了噪声带来的不利影响。本研究提出了一种基于注意力机制的多特征融合框架（AM-MFF），以实现鲁棒且可解释的SOH估计。AM-MFF结合了卷积神经网络（CNN）和注意力机制（AM）的优势，能够高效提取并融合健康特征，从而全面感知电池老化信息。该框架将两个运行阶段的数据作为输入，并通过两个独...

解读: 该AM-MFF锂电池SOH估算框架对阳光电源储能系统具有重要应用价值。其多特征融合与注意力机制可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,提升电池健康状态预测精度和抗噪性能。多输入容错设计确保单传感器故障时系统仍可靠运行,符合大规模储能安全需求。注意力分数的可解释性有助于iS...