找到 69 条结果
基于代理标签引导的锂离子电池鲁棒健康监测：一种深度多任务学习方法
Robust Health Monitoring for Lithium-Ion Batteries Under Guidance of Proxy Labels: A Deep Multitask Learning Approach
Ruohan Guo · Kui Zhang · Shangyang He · Shengyu Tao 等10人 · IEEE Transactions on Power Electronics · 2025年8月
针对锂离子电池健康状态（SOH）估计中标签数据匮乏导致的泛化能力不足问题，本文提出了一种深度多任务学习方法。通过利用常规运行数据中的老化信息作为代理标签，有效提升了电池健康监测的鲁棒性，为电池全生命周期管理提供了新的数据驱动解决方案。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。目前储能系统在电网侧和工商业侧应用中，电池SOH的精准评估是保障系统安全与延长寿命的核心。该深度学习方法能有效解决实际运行中标签数据缺失的痛点，提升BMS的健康管理精度。建议将其集成至iSolarC...
基于长短期记忆模型利用短历史数据的锂离子电池健康状态估计
Lithium-Ion Battery SOH Estimation Based on a Long Short-Term Memory Model Using Short History Data
Wenbin Li · Changwei Lin · Seyedmehdi Hosseininasab · Lennart Bauer 等5人 · IEEE Transactions on Power Electronics · 2025年1月
准确估计电池健康状态（SOH）对于车辆应用中电池管理系统的预测与健康管理至关重要。由于在实际应用中部分循环是常见情况，使用灵活电压范围短期数据的算法正受到广泛关注。为此，本文提出了一种利用短期充电历史数据的驱动模型。该模型将增量容量分析曲线分类与基于长短期记忆网络的时间序列预测相结合，用于在荷电状态（SOC）变化较小的情况下进行SOH估计。使用了三个具有不同电池化学体系和老化轨迹的数据集进行验证。结果表明，所提出的模型实现了准确的SOH估计，平均绝对误差和均方根误差在1%至2%之间。该模型的突出...
解读: 从阳光电源储能系统业务视角来看，这项基于LSTM的电池SOH短历史数据估算技术具有显著的工程应用价值。当前我司储能产品线涵盖工商业储能、大型地面电站及户用储能系统，精准的电池健康状态评估直接关系到系统全生命周期的安全性和经济性。 该技术的核心优势在于突破了传统SOH估算对完整充放电循环的依赖，仅需...
基于温度相关扩展卡尔曼滤波与深度学习的锂离子电池荷电状态与健康状态联合估计方法
A State-of-Charge and State-of-Health Joint Estimation Method of Lithium-Ion Battery Based on Temperature-Dependent Extended Kalman Filter and Deep Learning
Shiquan Wang · Kai Ou · Wei Zhang · Ya-Xiong Wang · IEEE Transactions on Industrial Electronics · 2024年7月
准确估算荷电状态（SOC）和健康状态（SOH）对于改进电池管理技术至关重要。然而，电池会受到温度和老化的影响，导致其呈现出更难以表征的非线性关系。本文提出了一种基于温度相关扩展卡尔曼滤波器（EKF）和深度学习的锂离子电池SOC - SOH联合估算方法。首先，创建包含温度和容量变量的电池模型状态矩阵、控制矩阵和观测矩阵，以便在本地端使用EKF进行实时SOC估算。其次，利用卷积神经网络（CNN）和注意力机制提取并加权电池老化特征，并结合门控单元解决长序列记忆问题，从而在远程计算平台上进行SOH估算。...
解读: 从阳光电源储能系统业务视角看，这项基于温度依赖扩展卡尔曼滤波与深度学习的SOC-SOH联合估算技术具有显著的工程应用价值。该技术直击储能系统电池管理的核心痛点——在复杂温度环境和电池老化条件下实现精准状态估计，这对我司大规模储能电站和户用储能产品的安全性、经济性至关重要。 技术架构上，论文提出的"...
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...
基于细粒度子域对齐和特征分组的锂离子电池跨域SOH估计：一种Patch时间序列CNN-Transformer网络
Fine-Grained Subdomain Alignment and Feature Grouping-Based Cross-Domain SOH Estimation for Lithium-Ion Batteries Using a Patch Time Series CNN-Transformer Network
Xuanang Gui · Shu Zhang · Yuheng Cheng · Qianlong Wang 等7人 · IEEE Transactions on Power Electronics · 预计 2026年5月
针对锂离子电池健康状态（SOH）估计在跨域场景下因数据分布差异和标签数据不足导致性能下降的问题，本文提出了一种基于模糊聚类子域自适应的Patch时间序列CNN-Transformer网络。该方法通过细粒度子域对齐和特征分组策略，有效提升了跨域场景下的SOH估计精度与鲁棒性。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，电池全生命周期的SOH精准估计是保障系统安全与收益的关键。该算法通过Patch时间序列与Transformer架构，能更高效地处理BMS采集的复杂工况数据，解决不同批次电池或不同应用场景（如调峰...
基于开路电压模型与增量容量分析融合的锂离子电池健康状态估计
State-of-Health Estimation of Lithium-Ion Batteries by Fusing an Open Circuit Voltage Model and Incremental Capacity Analysis
Xiaolei Bian · Zhongbao GAE Wei · Weihan Li · Josep Pou 等6人 · IEEE Transactions on Power Electronics · 2021年1月
本文提出了一种融合开路电压（OCV）模型与增量容量分析（ICA）的锂离子电池健康状态（SOH）估计新方法。通过构建新型OCV模型提取关键特征（FOIs），实现了对电池老化过程的精准诊断，为提升电池系统的可靠性与寿命管理提供了有效手段。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，精准的SOH估算对于保障电站全生命周期收益至关重要。该融合算法可集成至BMS（电池管理系统）中，通过结合OCV与ICA分析，提升电池老化诊断精度，从而优化iSolarCloud平台的运维策略，实...
一种基于分数阶微分电压-容量曲线的锂离子电池健康状态估计新方法
A novel method for state of health estimation of lithium-ion batteries based on fractional-order differential voltage-capacity curve
Xugang Zhang · Xiyuan Gao · Linchao Duan · Qingshan Gong 等6人 · Applied Energy · 2025年1月 · Vol.377
准确估计锂离子电池的健康状态（SOH）对于确保电池管理系统稳定运行至关重要。特征参数（CPs）的提取是实现SOH精确预测的关键。传统的特征参数提取方法存在诸如参数数量少、特征提取困难等局限性。为解决上述问题，本研究将Caputo分数阶导数理论与电压-容量曲线相结合，引入分数阶微分电压-容量曲线用于特征参数的提取。此外，本文引入了v-支持向量机、弹性网络，并提出了闭环高斯过程回归方法，利用融合模型算法将这三个模型集成到一个融合模型中，从而提高SOH估计的精度。最后，我们设计了多组对比实验：将本文提...
解读: 该分数阶微分电压-容量曲线SOH估算技术对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过提取更丰富的特征参数并采用融合模型算法,可显著提升电池健康状态预测精度,增强储能系统全生命周期管理能力。该方法可集成至iSolarCloud平台实现预测性维护,降低储能电站运维...
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...
基于域对抗迁移学习的锂离子电池健康状态估计
State-of-Health Estimation for Lithium-Ion Batteries Using Domain Adversarial Transfer Learning
Zhuang Ye · Jianbo Yu · IEEE Transactions on Power Electronics · 2022年3月
锂离子电池健康状态（SOH）估计是电池管理系统的核心。针对现有模型在不同工况下泛化能力差的问题，本文提出一种基于域对抗迁移学习的方法。通过在不同工况数据集间进行特征对齐，有效解决了训练集与测试集分布不一致的挑战，显著提升了电池SOH估计的准确性与鲁棒性。
解读: 该技术对阳光电源的PowerTitan和PowerStack等大型储能系统至关重要。目前储能电站面临复杂多变的运行工况，基于域对抗迁移学习的SOH估计方法，能够显著提升iSolarCloud平台对电池全生命周期的精细化管理能力。通过解决不同工况下的数据分布差异，该算法可增强BMS对电池衰减趋势的预测...
锂电池健康状态预测的对抗性防御框架
Adversarial Defensive Framework for State-of-Health Prediction of Lithium Batteries
Anas Tiane · Chafik Okar · Hicham Chaoui · IEEE Transactions on Power Electronics · 2023年10月
神经网络易受恶意数据投毒攻击，导致预测准确性下降。本文提出一种对抗性防御框架，针对锂离子电池健康状态（SOH）预测模型，通过识别并防御微小噪声干扰，提升模型在复杂环境下的鲁棒性与决策边界稳定性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统的智能化运维。随着储能电站规模扩大，BMS数据的安全性与预测模型的鲁棒性至关重要。该对抗性防御框架可集成至iSolarCloud平台，提升电池SOH预测的抗干扰能力，防止恶意数据导致误判，从而优化电池寿命管理，降低运维风...
电动汽车应用中锂离子电池的优化特征选择健康预测
Health Prognosis With Optimized Feature Selection for Lithium-Ion Battery in Electric Vehicle Applications
Ji Wu · Xuchen Cui · Hui Zhang · Mingqiang Lin · IEEE Transactions on Power Electronics · 2021年11月
针对电动汽车锂离子电池健康管理需求，本文提出了一种基于优化特征选择的数据驱动型电池健康状态（SOH）估计方法。该方法旨在解决现有预测模型计算效率低的问题，通过优化特征提取提升SOH估计的准确性与实时性，为电池全生命周期管理提供技术支撑。
解读: 该研究对于阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高参考价值。精准的SOH估计是BMS核心算法的关键，直接影响储能电站的运维效率与安全性。通过引入优化特征选择的数据驱动模型，可显著提升iSolarCloud平台对电池资产的健康评估能力，优化电池衰减预测，从而降低运维...
基于随机部分充电数据的电池健康状态数据驱动估计
Data-Driven Battery State of Health Estimation Based on Random Partial Charging Data
Zhongwei Deng · Xiaosong Hu · Penghua Li · Xianke Lin 等5人 · IEEE Transactions on Power Electronics · 2022年5月
随着电动汽车的快速发展，电池健康状态（SOH）的准确估计对于安全监测、残值评估及预测性维护至关重要。本文提出了一种基于随机部分充电数据的数据驱动SOH估计方法，旨在解决现有方法在实际应用中对完整充电循环依赖性过强的问题，提升电池全生命周期管理的智能化水平。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高价值。目前储能系统在电网侧和工商业侧应用中，往往难以获取完整的满充满放数据。通过引入该数据驱动算法，阳光电源的iSolarCloud智能运维平台可实现对储能电站电池健康状态的实时精准评估，无需等待完整充电循环。这不仅...
车载超级电容器健康状态诊断的在线参数辨识
Online Parameter Identification for Supercapacitor State-of-Health Diagnosis for Vehicular Applications
Asmae El Mejdoubi · Hicham Chaoui · Hamid Gualous · Jalal Sabor · IEEE Transactions on Power Electronics · 2017年12月
在电力电子应用中，双电层电容器（EDLC）的老化是导致系统失效的关键问题。其退化通常表现为内阻增加或等效电容减小，这些指标与超级电容器的健康状态（SoH）密切相关。本文提出了一种在线参数辨识方法，用于实现车载应用中超级电容器的SoH诊断，以提升系统的运行可靠性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack）具有重要参考价值。虽然目前储能系统多采用锂电池，但超级电容器在混合储能系统及高功率脉冲应用中具有潜力。其在线参数辨识与SoH诊断算法可迁移至BMS（电池管理系统）的健康评估模块，提升系统全生命周期的运维精度。建议研发团队关注该...
集成多层感知器和支持向量回归增强锂离子电池健康状态估计
Integrating Multilayer Perceptron and Support Vector Regression for Enhanced State of Health Estimation in Lithium-Ion Batteries
Sadiqa Jafari · Jisoo Kim · Wonil Choi · Yung-Cheol Byun · IEEE Access · 2024年11月
准确评估电池健康状态SOH对保证电动汽车EV安全可靠运行至关重要。本文提出新策略解决传统SOH测量方法中复杂预处理和大量数据需求的困难。利用先进机器学习算法提出全面SOH预测方法。方法包括细致数据准备,分析电压、电流和温度等关键运行因素。利用超参数优化微调的支持向量回归SVR和多层感知器MLP模型。使用均方根误差RMSE、均方误差MSE和R平方评估模型。为提高预测准确性,使用随机森林RF元模型将这些模型组合成堆叠集成,R²达0.987,MAE为0.02559,MSE为0.0013,RMSE为0....
解读: 该SOH估计技术对阳光电源电池管理系统BMS产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOH估计来优化电池使用和延长寿命。SVR和MLP集成模型可集成到阳光BMS算法中,提高SOH估计准确性。超参数优化方法对阳光机器学习算法开发有借鉴意义。该研究验证的高R²值和低误差率,证明集成学习...
基于模型的储能系统SOC与SOH实时估计
Real-Time Model-Based Estimation of SOC and SOH for Energy Storage Systems
Mario Cacciato · Giovanni Nobile · Giuseppe Scarcella · Giacomo Scelba · IEEE Transactions on Power Electronics · 2017年1月
为充分挖掘电池潜力，需建立精确的电化学模型。本文旨在通过实时估计电池组的荷电状态（SOC）和健康状态（SOH），为储能系统（ESS）的控制算法设计提供精确依据，并对现有的SOC与SOH估计方法进行了综述。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统核心控制逻辑。精确的SOC/SOH估计是BMS（电池管理系统）的核心，直接影响PCS（储能变流器）的充放电策略、系统调峰调频的响应精度以及电池寿命管理。建议将该模型算法集成至iSolarCloud智能运维平台，通过实时监测与...
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...
考虑实际工况的锂离子电池增量容量曲线确定方法对比研究
Comparative Study of Incremental Capacity Curve Determination Methods for Lithium-Ion Batteries Considering the Real-World Situation
Peng Liu · Yizhong Wu · Chengqi She · Zhenpo Wang 等5人 · IEEE Transactions on Power Electronics · 2022年10月
增量容量分析（ICA）是电池健康状态（SOH）评估的关键技术，但电动汽车在实际运行中充电条件不确定且数据不完整，限制了增量容量（IC）曲线的提取。本文针对真实工况下的IC曲线确定方法进行了深入对比分析，旨在提升复杂环境下电池状态评估的准确性与鲁棒性。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，高精度的SOH估算对于保障电站全生命周期收益至关重要。通过引入更鲁棒的IC曲线提取算法，可显著提升iSolarCloud平台对电池衰减的预测精度，优化电池管理系统（BMS）的均衡策略与运维建议。...
动态工况下车载质子交换膜燃料电池堆的健康状态评估与长期耐久性预测
Health State Estimation and Long-Term Durability Prediction for Vehicular PEM Fuel Cell Stacks Under Dynamic Operational Conditions
Xingwang Tang · Lei Shi · Ming Li · Sichuan Xu 等5人 · IEEE Transactions on Power Electronics · 2025年3月
本文针对车载燃料电池堆（FCS），提出了一种融合预测策略和滚动预测框架，用于实现长期健康状态（SOH）评估与电压退化预测。研究基于2500小时的长期耐久性实验，通过时变动态退化模型，有效提升了燃料电池在复杂动态工况下的寿命预测精度与可靠性。
解读: 阳光电源目前在氢能领域重点布局电解槽制氢系统。虽然本文聚焦于车载燃料电池（PEMFC），但其提出的长期耐久性预测与健康状态评估方法，对于电解槽系统的全生命周期管理具有重要参考价值。建议研发团队借鉴文中基于动态工况的退化建模思路，将其应用于电解槽系统的在线监测与故障预警，提升制氢系统的可靠性。此外，该...
AM-MFF：一种基于注意力机制的多特征融合框架用于鲁棒且可解释的锂离子电池健康状态估计
AM-MFF: A multi-feature fusion framework based on attention mechanism for robust and interpretable lithium-ion battery state of health estimation
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...
基于GaN器件输出电容
Coss）老化原位检测的DC-DC变换器健康状态评估
Samantha K. Murray · Tudor Sigmund · Sara S. Zia · Olivier Trescases · IEEE Transactions on Power Electronics · 2024年7月
本文提出了一种在DC-DC变换器运行期间原位检测GaN器件健康状态（SOH）的方法。通过监测GaN器件在大信号下的输出电容（Coss）变化，实现对器件老化程度的实时评估，从而预测潜在失效，提升系统可靠性。该方法解决了现有文献中GaN老化指标难以在实际运行中测量的难题。
解读: 随着阳光电源在户用光伏及小型工商业储能产品中对高功率密度要求的提升，GaN等宽禁带半导体器件的应用前景广阔。该研究提出的原位Coss监测技术，可直接应用于阳光电源的微型逆变器或高频DC-DC变换器模块中。通过在iSolarCloud智能运维平台集成此类健康状态评估算法，可实现对核心功率器件的预防性维...
第 2 / 4 页