找到 2 条结果
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...
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...