找到 53 条结果

排序:
储能系统技术 储能系统 功率模块 ★ 5.0

面向风浪联合发电系统的混合储能控制策略

A Hybrid Energy Storage Control Strategy for Wind and Wave Hybrid Power Generation Systems

朱轩毅黄宣睿肖曦 · 太阳能学报 · 2025年3月 · Vol.46

针对风浪联合发电系统中混合储能平抑功率波动的应用场景,采用二阶低通滤波法初步分配超级电容器与锂电池的功率,并提出一种包含功率修正与能量管理模块的新型控制拓扑。功率修正模块综合考虑直流母线电压稳定、储能内阻损耗补偿及功率限幅需求,动态调节功率初值以提升系统稳定性;能量管理模块引入可避免荷电状态(SOC)滞留的变滤波时间常数法,结合能量缓冲区防止超级电容器过充过放。Matlab/Simulink仿真结果验证了该控制策略的有效性与技术合理性。

解读: 该混合储能控制策略对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。文章提出的二阶低通滤波功率分配方法可直接应用于超级电容+锂电池混合储能配置,优化功率响应特性。其功率修正模块中的直流母线电压稳定控制与内阻损耗补偿算法,可增强ST变流器在海上风电等波动性场景的稳定性。变...

储能系统技术 储能系统 储能变流器PCS 调峰调频 ★ 5.0

电池储能系统电力系统的分层频率与SOC控制

Hierarchical Frequency and SOC Control of Power Grids With Battery Energy Storage Systems

Zakaria Afshar · Indra Bhogaraju · Hamid Rahmanei · Mehdi Farasat · IEEE Transactions on Power Electronics · 2024年7月

本文提出了一种将电池储能系统(BESS)荷电状态(SOC)集成到电力系统负荷频率控制中的新方法。通过将SOC作为状态空间模型中的状态变量,引入了分层频率与SOC控制方案,在一次调频的基础上实现了频率稳定与SOC的协同管理。

解读: 该研究提出的分层控制策略对阳光电源的PowerTitan(电网侧储能)和PowerStack(工商业储能)产品线具有重要参考价值。通过将SOC纳入频率控制模型,可显著提升储能系统在参与电网辅助服务(调频)时的响应精度与运行寿命。建议研发团队在iSolarCloud智能运维平台中集成此类分层控制算法,...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于凸优化的锂离子电池SOC与SOH解耦联合估计

Reduced-Coupling Coestimation of SOC and SOH for Lithium-Ion Batteries Based on Convex Optimization

Dianxun Xiao · Gaoliang Fang · Sheng Liu · Shaoyi Yuan 等7人 · IEEE Transactions on Power Electronics · 2020年11月

本文针对锂离子电池SOC与SOH估计中存在的强耦合与非线性问题,提出了一种新型的解耦联合估计算法。通过引入凸优化方法,简化了观测器网络设计并降低了稳定性分析的复杂性,有效提升了电池状态估计的精度与鲁棒性。

解读: 该研究直接服务于阳光电源的储能业务核心——电池管理系统(BMS)。在PowerTitan和PowerStack等大规模储能系统中,高精度的SOC/SOH估计是实现电池簇均衡、延长系统寿命及保障安全运行的关键。传统的非线性观测器计算量大且难以收敛,而本文提出的凸优化解耦算法能显著降低BMS计算负载,提...

储能系统技术 储能系统 电池管理系统BMS 储能变流器PCS ★ 5.0

基于在线模型参数辨识的电池荷电状态观测器设计:一种鲁棒方法

State-of-Charge Observer Design for Batteries With Online Model Parameter Identification: A Robust Approach

Quan Ouyang · Jian Chen · Jian Zheng · IEEE Transactions on Power Electronics · 2020年6月

本文研究了一种鲁棒的基于模型的电池荷电状态(SOC)估计策略。通过电池等效电路模型,利用鲁棒递归最小二乘法进行模型参数辨识,从而实现对锂离子电池SOC的精确估计,这对电池运行优化及延长使用寿命具有重要意义。

解读: 该研究直接服务于阳光电源储能业务的核心——电池管理系统(BMS)。在PowerTitan和PowerStack等大型储能系统中,SOC的估算精度直接决定了电池组的一致性管理和系统可用容量。该文提出的在线参数辨识与鲁棒观测器设计,能有效应对电池老化及工况变化带来的模型失配问题,显著提升储能系统的安全运...

智能化与AI应用 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于时频域深度卷积神经网络的锂离子电池SoC估计

Time–Frequency Domain Deep Convolutional Neural Network for Li-Ion Battery SoC Estimation

Ki-Hyeon Kim · Koog-Hwan Oh · Hyo-Sung Ahn · Hyun-Duck Choi · IEEE Transactions on Power Electronics · 2024年1月

针对电动汽车、无人机及不间断电源等应用,SoC估计至关重要。本文提出一种基于时频域的深度神经网络用于电池SoC估计。与仅在时域操作或使用一维卷积提取特征的传统研究不同,该方法通过时频分析提升了估计精度与鲁棒性。

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BMS算法多依赖于传统的安时积分或卡尔曼滤波,在复杂工况下精度受限。引入时频域深度学习算法,可显著提升储能系统在全生命周期内的SoC估计精度,从而优化电池均衡策略,延长系统寿命,并提升iSola...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于往复式移动视界估计的快速收敛车载锂离子电池荷电状态估计

Fast Convergent On-Board Li-Ion Battery State-of-Charge Estimation via Back-Forth Moving Horizon Estimation

Zhihao Liu · Yu Xiao · Yuan Yuan · Xiaodong Xu 等6人 · IEEE Transactions on Power Electronics · 2025年9月

准确的荷电状态(SOC)估计对锂离子电池的安全运行至关重要。针对现有方法对初始SOC敏感及计算复杂度高的问题,本研究提出了一种车载往复式移动视界估计(BFMHE)框架,在保证高精度和鲁棒性的同时,显著提升了计算效率,适用于车载电池管理系统。

解读: 该技术对阳光电源的储能业务(PowerTitan、PowerStack及户用储能系统)具有极高的应用价值。SOC估计的精度与收敛速度直接决定了储能系统的可用容量及运行安全性。BFMHE框架通过优化计算复杂度,能够有效提升BMS在复杂工况下的状态感知能力,减少对初始值的依赖,从而提升系统在电网侧、工商...

储能系统技术 储能系统 电池管理系统BMS 功率模块 ★ 5.0

并联与串联输出电池功率模块的荷电状态

SOC)均衡

Mohamed Kamel · Vivek Sankaranarayanan · Regan Zane · Dragan Maksimovic · IEEE Transactions on Power Electronics · 2022年6月

本文提出了一种用于主动式电池管理系统(BMS)的新型SOC均衡方法,适用于并联和串联输出的电池功率模块(BPM)。该方法通过将所有BPM的输入电流调节至公共参考值,实现对整个电池组平均SOC的控制,从而提升了电池组及系统级的模块化水平。

解读: 该研究直接服务于阳光电源PowerTitan及PowerStack等大型储能系统。通过优化BPM的SOC均衡策略,可有效解决电池簇内因电芯不一致导致的容量衰减和可用容量受限问题,显著提升系统循环寿命和放电效率。建议研发团队关注该拓扑在模块化储能架构中的应用,通过改进BMS控制算法,增强阳光电源储能产...

储能系统技术 储能系统 电池管理系统BMS 可靠性分析 ★ 5.0

锂离子电池电化学阻抗谱的荷电状态相关多项式等效电路建模

State of Charge-Dependent Polynomial Equivalent Circuit Modeling for Electrochemical Impedance Spectroscopy of Lithium-Ion Batteries

Qian-Kun Wang · Yi-Jun He · Jia-Ni Shen · Xiao-Song Hu 等5人 · IEEE Transactions on Power Electronics · 2018年10月

本文探讨了利用电化学阻抗谱(EIS)分析锂离子电池反应动力学及传输机制,并将其作为一种非破坏性工具用于荷电状态(SOC)估计。研究重点在于量化SOC对等效电路模型(ECM)参数的影响,通过多项式建模提升电池状态监测的精度与可靠性。

解读: 该研究对于阳光电源的储能业务(PowerTitan、PowerStack及ST系列PCS)具有极高价值。精确的SOC估计是BMS核心算法的基础,直接影响储能系统的充放电策略、容量保持率及安全性。通过引入SOC相关的多项式等效电路模型,阳光电源可进一步优化iSolarCloud平台的电池健康状态(SO...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

面向锂离子电池跨域荷电状态估计的温度自适应迁移网络

Temperature Adaptive Transfer Network for Cross-Domain State-of-Charge Estimation of Li-Ion Batteries

Liyuan Shen · Jingjing Li · Jieyan Liu · Lei Zhu 等5人 · IEEE Transactions on Power Electronics · 2023年3月

荷电状态(SOC)估计是电池管理系统(BMS)的核心,对保障电池安全至关重要。现有的数据驱动方法依赖大量标注数据,且假设训练与测试数据分布一致。然而,实际应用中往往缺乏标注数据且存在分布差异。本文提出一种温度自适应迁移网络,旨在解决不同工况及温度下的跨域SOC估计难题。

解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统具有极高价值。目前储能电站面临不同温度环境及电池老化带来的数据分布偏移问题,导致BMS估算精度下降。引入温度自适应迁移网络,可显著提升iSolarCloud平台在复杂工况下的SOC估算准确度,减少对大规模离线训练数据的依赖。建议研...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于传感器融合的智能电池模组荷电状态估计

Sensor Fusion-Enabled State of Charge Estimation of Smart Battery Module

Haoyong Cui · Zhongbao Wei · Rui Wang · IEEE Transactions on Power Electronics · 2025年1月

随着锂离子电池精细化管理需求增长,本文针对智能电池模组提出了一种数据与模型双驱动的高精度荷电状态(SOC)估计方案。通过引入低成本准冗余电流传感技术,有效提升了单体电池级SOC估计的准确性与可靠性,为电池管理系统的智能化升级提供了新路径。

解读: 该技术对阳光电源的PowerTitan和PowerStack系列储能系统具有重要应用价值。通过引入传感器融合与数据驱动算法,可显著提升BMS在电池模组层级的SOC估算精度,从而优化电池簇的一致性管理,延长系统循环寿命。建议研发团队关注该方案的低成本实现路径,将其集成至iSolarCloud平台,以实...

储能系统技术 储能系统 电池管理系统BMS 储能变流器PCS ★ 5.0

一种用于锂离子电池无偏荷电状态估计的集总扰动补偿方案

A Lumped Disturbance Compensation Scheme for Unbiased State-of-Charge Estimation of Lithium-ion Batteries

Haoda Xi · Xijian Lin · Shuo Zhang · Xi Luo 等6人 · IEEE Transactions on Power Electronics · 2025年3月

针对锂离子电池等效电路模型不确定性及传感器噪声导致的SOC估计精度下降问题,本文提出了一种集总扰动补偿方案。该方法有效解决了时变扰动及初始SOC未知条件下的估计偏差,显著提升了电池管理系统在复杂工况下的SOC估计鲁棒性与准确性。

解读: 该研究直接服务于阳光电源的储能业务核心技术。在PowerTitan和PowerStack等大型储能系统中,高精度的SOC估计是实现电池簇均衡管理、延长系统寿命及保障安全运行的关键。该集总扰动补偿方案可集成至iSolarCloud智能运维平台及BMS算法库中,有效提升在复杂电网环境下的SOC估算精度,...

储能系统技术 储能系统 电池管理系统BMS 智能化与AI应用 ★ 5.0

基于平方根球面无迹卡尔曼滤波

Sqrt-UKFST)的纳卫星锂离子电池荷电状态

Htet Aung · Kay Soon Low · Shu Ting Goh · IEEE Transactions on Power Electronics · 2015年9月

荷电状态(SOC)估计是现代电池管理系统(BMS)的核心。针对扩展卡尔曼滤波(EKF)在雅可比矩阵推导及线性化精度方面的局限性,本文提出了一种基于平方根球面无迹卡尔曼滤波(Sqrt-UKFST)的新型SOC估计方法,旨在提升复杂动态工况下的估计精度与算法稳定性。

解读: 该研究提出的Sqrt-UKFST算法在提升SOC估计精度与数值稳定性方面具有显著优势,直接契合阳光电源PowerTitan、PowerStack等储能系统对高精度BMS的需求。随着储能系统向大容量、长寿命方向发展,更精准的SOC估计算法能有效提升电池组的一致性管理,降低运维成本,并优化iSolarC...

控制与算法 下垂控制 储能变流器PCS 储能系统 ★ 5.0

基于SoC的独立供电系统恒功率负载下垂系数稳定性区域分析

SoC-Based Droop Coefficients Stability Region Analysis of the Battery for Stand-Alone Supply Systems With Constant Power Loads

Rui Wang · Qiuye Sun · Wei Hu · Yushuai Li 等6人 · IEEE Transactions on Power Electronics · 2021年7月

本文针对多电池组成的独立供电系统,研究了下垂控制在无通信条件下的运行稳定性。指出电池荷电状态(SoC)及充放电模式的变化会导致下垂系数波动,进而引发小信号失稳。文章提出了一种分析方法,以评估恒功率负载下电池系统的稳定性区域,为优化储能系统控制策略提供了理论支撑。

解读: 该研究直接关联阳光电源PowerTitan和PowerStack等储能变流器(PCS)的核心控制算法。在微电网或离网应用场景中,PCS通常采用下垂控制实现多机并联。随着电池SoC动态变化,传统的固定下垂系数可能导致系统振荡。该分析方法有助于阳光电源研发团队优化PCS的自适应下垂控制策略,提升在恒功率...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

针对锂离子电池模型失配的精确荷电状态估计:一种联合移动视界估计方法

Accurate State of Charge Estimation With Model Mismatch for Li-Ion Batteries: A Joint Moving Horizon Estimation Approach

Jia-Ni Shen · Jia-Jin Shen · Yi-Jun He · Zi-Feng Ma · IEEE Transactions on Power Electronics · 2019年5月

精确的荷电状态(SOC)估计对锂电池的安全管理及充放电控制至关重要。然而,电池一致性差异及动态特性变化导致的模型失配问题,常使传统基于模型的SOC估计精度受限。本文提出一种联合移动视界估计(MHE)方法,旨在有效解决模型失配带来的估计误差,提升电池状态监测的鲁棒性与准确性。

解读: 该研究直接服务于阳光电源PowerTitan、PowerStack等储能系统及BMS核心算法的优化。在大型储能电站中,电池组的一致性衰减是长期运行的痛点,模型失配会导致SOC估算偏差,进而影响电池均衡与可用容量。引入移动视界估计(MHE)算法,能够显著提升BMS在复杂工况下的SOC估计精度,延长电池...

储能系统技术 储能系统 电池管理系统BMS 储能变流器PCS ★ 5.0

磷酸铁锂电池荷电状态与健康状态的偏差补偿联合估计

Bias-Compensated State of Charge and State of Health Joint Estimation for Lithium Iron Phosphate Batteries

Baozhao Yi · Xinhao Du · Jiawei Zhang · Xiaogang Wu 等8人 · IEEE Transactions on Power Electronics · 2025年2月

准确的荷电状态(SOC)和健康状态(SOH)估计对电池安全运行至关重要。由于磷酸铁锂(LFP)电池开路电压(OCV)曲线平坦,电压测量偏差严重影响估计精度。本文提出了一种偏差补偿算法,实现了LFP电池SOC和SOH的可靠联合估计。

解读: 该研究直接服务于阳光电源储能业务的核心痛点。LFP电池是PowerTitan和PowerStack系列产品的核心,其平坦的OCV曲线在实际应用中极易受传感器偏差影响,导致SOC估算漂移。该偏差补偿算法可集成至阳光电源的BMS(电池管理系统)中,显著提升系统在长周期运行下的SOC/SOH估算精度,减少...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

一种结合灰色模型与遗传算法的锂离子电池荷电状态估计新方法

A Novel State-of-Charge Estimation Method of Lithium-Ion Batteries Combining the Grey Model and Genetic Algorithms

Lin Chen · Zhengzheng Wang · Zhiqiang Lu · Junzi Li 等7人 · IEEE Transactions on Power Electronics · 2018年10月

为保障电动汽车电池安全运行并优化能量利用,准确估计荷电状态(SoC)至关重要。本研究提出了一种基于灰色模型(GM)与遗传算法(GA)的SoC估计新方法,无需依赖高计算复杂度的电池高保真模型,实现了高效的SoC预测。

解读: 该研究提出的轻量化SoC估计算法对阳光电源的储能业务具有重要价值。在PowerTitan和PowerStack等大型储能系统中,BMS的计算资源有限,该方法无需高保真模型即可实现高精度SoC估计,有助于提升电池组的一致性管理和全生命周期利用率。建议研发团队评估该算法在嵌入式BMS控制器中的移植可行性...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

一种宽寿命周期下串联电池组在线SOC估计的放电模式识别新方法

A Novel Discharge Mode Identification Method for Series-Connected Battery Pack Online State-of-Charge Estimation Over A Wide Life Scale

Shiqi Liu · Junhua Wang · Qisheng Liu · Jia Tang 等7人 · IEEE Transactions on Power Electronics · 2021年1月

针对锂电池组内因老化差异导致的SOC估计难题,本文提出了一种放电模式识别(DMI)方法。该方法通过简化处理流程,实现了在宽寿命周期内对串联电池组SOC的精确在线估计,有效提升了储能系统在全生命周期内的运行精度与可靠性。

解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统核心的BMS算法优化。在大型储能电站中,电芯老化不一致性是影响系统可用容量和安全性的关键痛点。该DMI方法能够提升BMS对电池组SOC的估算精度,特别是在电池全生命周期内,有助于延长系统运行寿命并优化调峰调频性能。建议研发团...

储能系统技术 储能系统 电池管理系统BMS 热仿真 ★ 5.0

基于控制导向电热模型的锂离子电池SoC修正核心温度估计

SoC-Modified Core Temperature Estimation of Lithium-Ion Battery Based on Control-Oriented Electro-Thermal Model

Xingchen Zhang · Yujie Wang · Zonghai Chen · IEEE Transactions on Power Electronics · 2023年9月

锂离子电池及其控制技术是交通电气化与智能化的核心。动态热管理是智能电池管理系统(BMS)的关键技术,实时监测电池内部温度特性对于实现高效、安全的电池热管理至关重要。本文提出了一种基于控制导向电热模型的SoC修正核心温度估计方法,旨在提升电池运行的安全性与寿命。

解读: 该研究直接服务于阳光电源储能业务(如PowerTitan、PowerStack系列)。电池核心温度的精确估计是提升储能系统安全性的关键,能够优化BMS的热管理策略,防止电池过热引发的风险,并延长电池循环寿命。建议将该控制导向电热模型集成至iSolarCloud智能运维平台及BMS底层算法中,实现对储...

储能系统技术 储能系统 电池管理系统BMS 双向DC-DC ★ 5.0

基于开关矩阵单电容均衡器与最优配对算法的串联电池组直接单体均衡

Direct Cell-to-Cell Equalizer for Series Battery String Using Switch-Matrix Single-Capacitor Equalizer and Optimal Pairing Algorithm

Phuong-Ha La · Sung-Jin Choi · IEEE Transactions on Power Electronics · 2022年7月

针对串联电池组中因SOC失配、阻抗差异及自放电率不同导致的单体不一致性问题,本文提出了一种基于开关矩阵单电容均衡器及最优配对算法的直接均衡方案。该方法通过自动均衡机制有效缓解了过充与过放风险,提升了电池组的整体利用率与安全性。

解读: 该技术直接服务于阳光电源的储能业务,特别是PowerTitan和PowerStack系列大型储能系统。电池单体一致性是影响储能系统寿命与安全的核心痛点,该研究提出的开关矩阵均衡拓扑及优化算法,可显著提升BMS(电池管理系统)的主动均衡效率,减少因单体失配导致的容量衰减。建议研发团队关注该拓扑在长串联...

储能系统技术 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于自适应无迹卡尔曼滤波与支持向量机的锂聚合物电池荷电状态估计

Lithium Polymer Battery State-of-Charge Estimation Based on Adaptive Unscented Kalman Filter and Support Vector Machine

Jinhao Meng · Guangzhao Luo · Fei Gao · IEEE Transactions on Power Electronics · 2016年3月

本文提出了一种结合自适应无迹卡尔曼滤波(AUKF)与最小二乘支持向量机(LSSVM)的锂聚合物电池荷电状态(SOC)估计算法。通过引入移动窗口法,在初始训练样本有限的情况下,有效建立了高精度的电池模型,提升了SOC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(如PowerTitan、PowerStack及ST系列PCS)具有极高价值。SOC估计是BMS的核心算法,直接影响储能系统的可用容量、充放电策略及安全性。通过引入AUKF与LSSVM算法,可显著提升在复杂工况(如温度波动、老化)下的SOC估算精度,减少因估算偏差导致的电池...

第 1 / 3 页