Anas Tiane · Chafik Okar · Hicham Chaoui · IEEE Transactions on Power Electronics · 2022年12月

本文针对锂离子电池健康状态（SoH）预测中传感器数据缺失的挑战，提出了一种高可用性的特征容错预测框架。该框架在不确定环境下仍能保持极高的预测精度，有效解决了电池管理系统在传感器故障或数据丢失时的性能退化问题。

解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统。在大型储能电站中，传感器故障会导致BMS数据缺失，进而影响SoH评估的准确性。引入该容错框架可显著提升阳光电源储能产品的运维可靠性，减少因传感器异常导致的误报警或性能误判。建议将此算法集成至iSolarCloud智能运维平...