找到 2 条结果
基于多域迁移学习的电池健康状态估计
Battery Health Estimation Based on Multidomain Transfer Learning
Hanmin Sheng · Biplob Ray · Shaben Kayamboo · Xintao Xu 等5人 · IEEE Transactions on Power Electronics · 2024年4月
机器学习在电池健康状态（SOH）估计中具有显著优势，但面临数据分布差异带来的概念漂移挑战。本文提出一种多域迁移学习方法，旨在解决训练集与测试集分布不一致的问题，从而提升电池SOH估计的准确性与鲁棒性。
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。电池健康状态（SOH）的精准评估是提升储能系统全生命周期经济性的核心。目前储能电站面临工况复杂、数据分布差异大的挑战，引入多域迁移学习算法，可显著提升iSolarCloud平台对大规模储能电站的运维精度，减少电...
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...