找到 4 条结果
电池运行成本在线评估的增量退化估计方法
Incremental Degradation Estimation Method for Online Assessment of Battery Operation Cost
Monika Sandelic · Ariya Sangwongwanich · Frede Blaabjerg · IEEE Transactions on Power Electronics · 2022年10月
为实现电池的最优经济运行，需考虑性能退化及相关成本。传统离线寿命模型无法满足实时运行需求。本文提出一种增量退化估计方法，通过实时监测电池状态，实现对电池退化成本的在线评估，为储能系统的经济调度与寿命管理提供技术支撑。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统。通过在线评估电池退化成本，可优化iSolarCloud平台的调度策略，实现储能电站全生命周期的经济性最大化。该方法可集成至BMS或PCS控制算法中，精准量化调峰调频等应用场景下的电池损耗，从而指导运维策略调整，提升储能...
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。...
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...
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...