找到 69 条结果
面向锂离子电池健康状态估计的无源动态加权联邦迁移学习
Source-Free Dynamic Weighted Federated Transfer Learning for State-of-Health Estimation of Lithium-Ion Batteries With Data Privacy
Tengfei Han · Shang Yue · Pu Yang · Ruixu Zhou 等5人 · IEEE Transactions on Power Electronics · 2024年11月
针对电池健康状态（SOH）估计中数据孤岛与隐私保护难题，本文提出一种无源动态加权联邦迁移学习方法。该方法无需共享原始数据即可实现多用户模型协同训练，有效解决了单一用户数据不足的问题，提升了SOH估计的准确性与鲁棒性，为电池全生命周期管理提供了隐私保护下的智能化解决方案。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统具有极高的应用价值。在iSolarCloud智能运维平台中，利用联邦学习技术，可在不泄露客户隐私的前提下，汇聚全球电站的电池衰减数据，优化BMS的SOH估计算法。这不仅能提升储能电站全生命周期的安全性与运维效率，还能为电池梯次利用...
基于多指标的储能技术健康诊断与预测：模糊综合评价与改进多变量灰色模型
Multiple Indicators-Based Health Diagnostics and Prognostics for Energy Storage Technologies Using Fuzzy Comprehensive Evaluation and Improved Multivariate Grey Model
Junhua Wang · Shiqi Liu · Shuxiao Wang · Qisheng Liu 等7人 · IEEE Transactions on Power Electronics · 2021年11月
针对电池内部电化学反应复杂且不可观测导致的健康状态（SOH）预测难题，本文提出了一种基于模糊综合评价与改进多变量灰色模型的电池健康评估框架。该方法通过多指标融合，实现了对储能电池健康状态的精准诊断与寿命预测，有效提升了储能系统的可靠性与运行效率。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统。精准的SOH预测是提升BMS核心竞争力的关键，能够显著优化电池簇的均衡管理，延长系统循环寿命。建议将该算法集成至iSolarCloud智能运维平台，通过多指标融合的健康诊断模型，实现对电站侧储能资产的精细化运维，提前识...
一种考虑单体电池运行状态的锂离子电池健康状态贝叶斯迁移学习评估框架
A Bayesian transfer learning framework for assessing health status of Lithium-ion batteries considering individual battery operating states
Jiarui Zhang · Lei Mao · Zhongyong Liu · Kun Yu 等5人 · Applied Energy · 2025年3月 · Vol.382
摘要 锂离子电池（LIBs）健康状态（SOH）的快速准确评估对于实现高效的电池监测与管理具有重要意义。LIBs的退化是一个复杂的过程，每一块电池的退化路径均具有独特性，受到内部和外部多种因素共同影响。然而，现有方法通常将每块电池视为独立个体处理，未能充分挖掘和利用各单体电池的独特特征。为克服这一局限性，本研究提出了一种贝叶斯迁移学习框架，用于建模锂离子电池特有的退化过程，从而完成对SOH的评估。具体而言，构建了一个混合效应模型（MEM）以描述电池健康状态的退化过程，该模型能够捕捉不同电池之间的异...
解读: 该贝叶斯迁移学习框架对阳光电源ST系列储能变流器及PowerTitan储能系统的电池管理具有重要价值。混合效应模型可捕捉单体电池差异性,实现精准SOH评估,优化BMS策略。三种参数更新策略适配不同应用场景,可提升iSolarCloud平台预测性维护能力。该方法兼容循环老化与日历老化,适用于大规模储能...
使用深度学习方法预测锂离子电池健康状态退化
Lithium-Ion Battery State of Health Degradation Prediction Using Deep Learning Approaches
Talal Alharbi · Muhammad Umair · Abdulelah Alharbi · IEEE Access · 2025年1月
及时预测锂离子电池健康状态对电池管理和寿命至关重要。传统集中式深度学习模型显示良好结果，但因需在单个节点收集和训练数据引发数据隐私担忧。本研究通过利用集中式即深度学习和分散式即联邦学习方法应对该挑战进行健康状态预测。使用包含充放电循环的NASA电池数据集进行模型训练和评估。集中式方法使用三种深度学习架构：1D卷积神经网络、CNN加长短期记忆网络和CNN加门控循环单元。1D CNN模型性能最佳展示强大预测能力，因此分散式学习即联邦学习中1D CNN模型与联邦平均技术在五个客户端使用，允许本地训练无...
解读: 该联邦学习电池诊断技术对阳光电源储能系统数据安全具有重要价值。阳光管理的大规模储能电站涉及海量电池数据，数据隐私和安全是核心关切。该联邦学习方法可在不上传原始数据的情况下实现全局模型优化，阳光可将该技术应用于BMS系统，实现跨电站的电池健康状态模型协同训练，提升诊断精度同时保护用户数据隐私，符合数据...
基于增量容量曲线与S变换的电动汽车电池组健康状态估计
State-of-health estimation for EV battery packs via incremental capacity curves and S-transform
Siyi Tao · Jiangong Zhu · Yuan Lic · Siyang Chen 等10人 · Applied Energy · 2025年11月 · Vol.397
准确估计电动汽车（EV）中电池的健康状态（SOH）对于缓解用户的续航焦虑具有重要作用。然而，云端电池管理系统（BMS）数据质量欠佳，加之电池正极材料的多样性，为开发适用于实际EV应用的通用SOH估计方法带来了显著挑战。本研究提出了一种基于充电过程的可推广特征提取框架。该方法从增量容量（IC）曲线中提取时域特征，并利用S变换提取频域特征，同时引入了电池间不一致性指标。为评估所提取特征的鲁棒性，本文采用实验室数据进行了验证。此外，通过针对不同容量和正极材料电池的实验，分析了温度对电池容量及所提取特征...
解读: 该研究提出的电池SOH估计方法对阳光电源储能系统(PowerTitan/ST系列PCS)及充电桩产品具有重要价值。通过增量容量曲线和S变换的多域特征提取,结合GRU-LightGBM融合模型,可显著提升BMS电池健康状态评估精度(MAPE<1.99%)。该技术框架可集成至iSolarCloud平台,...
一种基于实时频繁项集图像编码的锂离子电池健康状态数据高效估计方法
A data-efficient method for lithium-ion battery state-of-health estimation based on real-time frequent itemset image encoding
Zhen Wangac · Li Zhaob · Yiding Liacd · Wenwei Wangac · Applied Energy · 2025年11月 · Vol.398
摘要 下一代智能电池管理系统（BMS）需要对电池健康状态（SOH）进行精确的实时估计。然而，现有研究常常低估了由大量质量不一的在线数据所带来的挑战，以及由此引发的数据存储、传输和计算压力。本文提出了一种基于有损计数的门控双注意力Transformer（LC-GDAT）框架，在保持SOH估计高精度的同时，显著降低了历史数据的存储需求。为克服因数据压缩导致的信息丢失所引起的误差，本文引入了两个关键模块。第一个是并行时空有损计数特征提取模块（PTS-LC），该模块利用频繁项提取技术识别电池运行过程中重...
解读: 该锂电池SOH实时估算技术对阳光电源储能系统具有重要应用价值。LC-GDAT框架通过有损计数算法大幅降低历史数据存储需求(实验室误差0.46%,实况误差2.23%),可直接应用于PowerTitan储能系统和ST系列PCS的BMS优化。双注意力Transformer机制能精准捕捉电池衰减特征,与iS...
面向绿色人工智能：基于深度学习与滤波技术的商用锂离子电池健康状态估计与退化分析的节能方法
Towards Green AI: Energy-Efficient State of Health Estimation and Degradation Analysis of Commercial Lithium-Ion Batteries Based on Deep Learning and Filter Technique Approach
Deepak Kumar · Mujeeb Ahmed · Majid Jamil · M. Rizwan 等5人 · IEEE Transactions on Industry Applications · 2025年9月
大型数据集中冗余的相似数据点会增加数据集的规模、存储量、内存使用量、训练时间和计算资源需求，导致深度学习（DL）模型效率显著降低。这些低效问题会降低模型性能并增加能耗。现有的基于深度学习的锂离子电池健康状态（SOH）估计方法常常面临计算需求高、精度低和能耗高等挑战。这些模型为了获得准确的结果需要消耗大量能量，从而导致更高的电力需求和碳足迹。因此，本文提出了一种基于冗余减少方法的新型过滤技术（FT）。该方法可提高数据集的质量，即减小数据集规模、降低内存利用率并减少能耗。将这种新型过滤技术与门控循环...
解读: 该节能型电池健康状态估计技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过滤波技术减少冗余数据，可显著降低BMS系统的计算负荷和能耗，特别适用于大规模储能电站的实时健康监测。该方法可集成至iSolarCloud云平台，实现边缘侧轻量化SOH估算与云端深度分析的协...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年3月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年4月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
电动汽车电池SOC和SOH估计的数据驱动方法综述
Data-Driven Approaches for Estimation of EV Battery SoC and SoH: A Review
Shahid Gulzar Padder · Jayesh Ambulkar · Atul Banotra · Sudhakar Modem 等6人 · IEEE Access · 2025年2月
电动汽车EV技术已在交通行业奠定坚实基础。荷电状态SoC和健康状态SoH的精确评估对解决EV中的续航焦虑和意外故障问题至关重要。本文检查各种方法，包括库仑计数CC和开路电压OCV等传统方法、先进滤波器方法和现代数据驱动方法。讨论不同方法的广泛评估以及优缺点识别。使用机器学习算法的数据驱动估计在复杂电池管理系统中展现卓越准确性和适应性。电压、电流、时间和温度VCTT等外部电池参数以及阻抗和超声波数据等内部电池参数是数据驱动方法的主要组成部分。本研究中机器学习算法在预测和维持电动汽车电池寿命方面展现...
解读: 该SOC和SOH估计综述对阳光电源BMS技术路线规划有全面参考价值。阳光车载OBC和储能BMS需要准确的SOC/SOH估计算法。数据驱动方法相比传统方法的优势支持阳光引入机器学习技术。VCTT外部参数和阻抗内部参数的综合应用与阳光多传感器融合策略一致。该综述强调持续进步和开创性技术的必要性，可指导阳...
基于SSTDR嵌入式PWM序列的在役功率半导体器件老化检测与健康状态估计
Aging Detection and State of Health Estimation of Live Power Semiconductor Devices Using SSTDR Embedded PWM Sequence
Sourov Roy · Abu Hanif · Faisal Khan · IEEE Transactions on Power Electronics · 2021年5月
功率半导体开关在环境与电热应力下会发生退化，导致阻抗变化。本文提出一种利用扩频时域反射法（SSTDR）的在线监测算法，通过嵌入PWM序列，在不影响变换器正常运行的前提下，实现对在役功率器件的老化检测与健康状态（SOH）评估。
解读: 该技术对阳光电源的组串式逆变器及PowerTitan/PowerStack储能系统具有极高的应用价值。功率器件（IGBT/SiC）是逆变器和PCS的核心，其可靠性直接决定产品寿命。通过SSTDR技术实现器件在线健康监测，可将传统的“事后维修”转变为“预测性维护”，显著降低运维成本。建议研发团队将其集...
一种利用伪随机序列信号进行电池阻抗辨识的快速方法
Fast Approach for Battery Impedance Identification Using Pseudo-Random Sequence Signals
Jussi Sihvo · Daniel-Ioan Stroe · Tuomas Messo · Tomi Roinila · IEEE Transactions on Power Electronics · 2020年3月
在线测量电池阻抗对于评估电池荷电状态（SOC）和健康状态（SOH）至关重要，能有效提升系统安全性与性能。传统的电化学阻抗谱（EIS）测量耗时较长，不适用于在线应用。本文提出了一种基于伪随机序列信号的快速阻抗辨识方法，实现了电池阻抗的实时监测。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及ST系列PCS）具有极高价值。通过集成伪随机序列信号注入功能，阳光电源的BMS系统可实现电池阻抗的在线实时辨识，无需停机即可精准评估电芯SOH，显著提升储能电站的运维效率与安全性。建议将此算法嵌入iSolarCloud智能运维...
基于双卡尔曼滤波的模块化变换器与可重构电池系统低成本参数估计方法
Low-Cost Parameter Estimation Approach for Modular Converters and Reconfigurable Battery Systems Using Dual Kalman Filter
Nima Tashakor · Bita Arabsalmanabadi · Farshid Naseri · Stefan Goetz · IEEE Transactions on Power Electronics · 2022年6月
模块化变换器与可重构电池系统能有效解决电池组中“短板效应”并实现异构电池混用，但其高昂的传感器与监控系统成本限制了应用。本文提出一种基于双卡尔曼滤波（DKF）的低成本参数估计方法，旨在降低硬件依赖，提升系统监控与控制效率。
解读: 该技术与阳光电源PowerTitan及PowerStack系列储能系统高度相关。通过双卡尔曼滤波实现参数的精确估计，可显著降低BMS对高精度传感器的依赖，从而降低系统整体BOM成本。在PowerStack等模块化储能产品中，该算法能提升对电池组内各模块健康状态（SOH）的实时监测精度，优化电池均衡策...
一种电动汽车锂离子电池组传感器故障诊断方法
A Sensor Fault Diagnosis Method for a Lithium-Ion Battery Pack in Electric Vehicles
Rui Xiong · Quanqing Yu · Weixiang Shen · Cheng Lin 等5人 · IEEE Transactions on Power Electronics · 2019年10月
在电动汽车中，电池管理系统（BMS）高度依赖电流、电压和温度测量来估算荷电状态（SOC）和健康状态（SOH）。因此，确保传感器正常运行对于保护电池安全至关重要。本文提出了一种简单有效的基于模型的传感器故障诊断方法。
解读: 该研究对于提升阳光电源储能系统（如PowerTitan、PowerStack）的安全性具有重要参考价值。储能系统在长周期运行中，传感器故障可能导致BMS误判，进而引发电池过充过放风险。该基于模型的诊断方法可集成至iSolarCloud平台或BMS底层算法中，实现对电芯级电压、电流及温度传感器的实时在...
考虑老化条件的锂离子电池健康预测
Lithium-Ion Batteries Health Prognosis Considering Aging Conditions
Asmae El Mejdoubi · Hicham Chaoui · Hamid Gualous · Peter Van Den Bossche 等6人 · IEEE Transactions on Power Electronics · 2019年7月
锂离子电池的健康管理对于储能系统的运行性能及成本控制至关重要。本文提出了一种考虑电池老化条件的锂电池预测模型，通过对健康状态（SOH）的评估及剩余使用寿命（RUL）的预测，旨在提升储能系统在车辆及电网应用中的可靠性与经济性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统业务。通过更精准的SOH评估和RUL预测，能够显著优化BMS（电池管理系统）的算法逻辑，提升系统全生命周期的运维效率。建议将该模型集成至iSolarCloud智能运维平台，实现对电站侧储能资产的精细化健康管理，提前预警潜在故...
一种用于超级电容器多孔模型健康状态监测的新型实验辨识方法
Novel Experimental Identification Method for a Supercapacitor Multipore Model in Order to Monitor the State of Health
Ronan German · Abderrahmane Hammar · Richard Lallemand · Ali Sari 等5人 · IEEE Transactions on Power Electronics · 2016年1月
超级电容器阻抗建模是实现其健康状态监测与仿真的关键。本文提出了一种基于物理特性的超级电容器建模方法，综合考虑了电极孔径分布、电解液状态、温度及老化等因素，通过新型实验辨识手段，有效提升了超级电容器健康状态（SOH）评估的准确性。
解读: 超级电容器作为高功率密度储能元件，在阳光电源的储能系统（如PowerTitan、PowerStack）中可作为辅助电源，用于平抑瞬时功率波动或提升PCS的动态响应能力。该研究提出的多孔物理模型及SOH监测方法，有助于优化储能系统的寿命管理策略，提升系统在极端工况下的可靠性。建议研发团队关注该建模方法...
基于主动功率循环和反射测量法的双封装IGBT功率模块键合线损伤检测与SOH估计
Bond Wire Damage Detection and SOH Estimation of a Dual-Pack IGBT Power Module Using Active Power Cycling and Reflectometry
Abu Hanif · Douglas DeVoto · Faisal Khan · IEEE Transactions on Power Electronics · 2020年7月
功率电子开关（如IGBT）在长期高热和电应力下会发生性能退化。本文提出了一种利用主动功率循环和反射测量技术，对双封装IGBT功率模块进行键合线损伤检测及健康状态（SOH）估计的方法，旨在实现对功率开关失效的早期预测，提升电力转换系统的可靠性。
解读: 该技术对阳光电源的核心业务至关重要。IGBT是组串式/集中式光伏逆变器、PowerTitan/PowerStack储能变流器及风电变流器的核心功率器件。键合线失效是功率模块最常见的故障模式之一，引入反射测量法（Reflectometry）进行在线监测，可显著提升iSolarCloud智能运维平台的故...
考虑老化现象的锂离子电池自适应线性变参数建模
Adaptive Linear Time-Varying Parameter-Varying Modeling of Lithium-Ion Batteries Considering Aging Phenomenon
Jie Hou · Yuchao Jiang · Jingxiang Liu · Penghua Li 等7人 · IEEE Transactions on Power Electronics · 2025年11月
本文针对锂电池模型精度与复杂度的平衡难题，提出了一种增强型电池模型。该模型通过引入自适应线性变参数方法，有效捕捉了电池在老化过程中的动态特性，在保持计算效率的同时，显著提升了对复杂影响因素的建模精度。
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。通过引入自适应变参数建模，可以更精准地评估电池在全生命周期内的老化状态（SOH），从而优化BMS的充放电策略，延长系统使用寿命。此外，该模型可集成至iSolarCloud平台，提升对大型储能电站电池簇的精细化运维能...
电动汽车锂离子电池过放电的数据驱动故障诊断
Data-Driven Fault Diagnosis of Lithium-Ion Battery Overdischarge in Electric Vehicles
Naifeng Gan · Zhenyu Sun · Zhaosheng Zhang · Shiqi Xu 等6人 · IEEE Transactions on Power Electronics · 2022年4月
过放电会严重缩短锂离子电池寿命。本文提出一种数据驱动方法，旨在检测电池电压低于截止电压的过放电状态，从而预防电池损坏。该研究对于提升电池管理系统（BMS）的安全性与可靠性具有重要意义。
解读: 该研究对于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。过放电保护是BMS的核心功能，通过引入数据驱动的故障诊断算法，可以显著提升系统在极端工况下的安全性，延长电池组使用寿命。建议将此类机器学习算法集成至iSolarCloud智能运维平台，通过云...
基于机理退化过程模型与粒子滤波的固体氧化物燃料电池故障预测方法
Fault Prognosis Method for Solid Oxide Fuel Cells Based on Mechanism Degradation Process Model and Particle Filtering
Yuanwu Xu · Chang Jiang · Jingxuan Peng · Xiao-Long Wu 等6人 · IEEE Transactions on Power Electronics · 2023年6月
针对固体氧化物燃料电池（SOFC）的寿命与耐久性问题，本文提出了一种结合机理退化模型与粒子滤波的故障预测方法。该方法通过对退化过程建模，实现了对健康状态（SOH）、寿命终点（EOL）及剩余使用寿命（RUL）的有效评估，为提升燃料电池系统的可靠性提供了理论支撑。
解读: 阳光电源在氢能领域布局了电解槽及制氢电源系统。虽然本文聚焦于SOFC（燃料电池），但其提出的基于机理模型与粒子滤波的故障预测框架，对于阳光电源PEM电解槽系统的全生命周期健康管理（PHM）具有重要的参考价值。建议研发团队借鉴该文的退化建模思路，结合iSolarCloud平台的大数据积累，开发针对电解...
第 3 / 4 页