找到 2 条结果
通过Transformer模型实现电池储能系统的充电诊断和状态估计
Charge Diagnostics and State Estimation of Battery Energy Storage Systems Through Transformer Models
Rolando Antonio Gilbert Zequera · Anton Rassõlkin · Toomas Vaimann · Ants Kallaste · IEEE Access · 2025年1月
随着人工智能持续发展，设计提供能源技术诊断和维护的准确算法是能源转型领域的挑战性任务。本研究专注于Transformer模型实施用于电池储能系统充电诊断和算法设计。实验使用可编程直流电子负载测试两个锂离子电池单元评估充电指标，每个单元执行20次电池测试。采用滤波器、包装器和嵌入方法技术实现特征选择并展示电池测试关键性能指标。时间序列和状态估计是执行充电诊断和荷电状态预测的监督学习技术。结果显示Transformer模型卓越性能指标，相比传统深度学习算法在模型评估中达到超过94%准确率。
解读: 该Transformer电池诊断技术对阳光电源储能系统BMS具有重要应用价值。阳光ST系列储能变流器配套的电池管理系统需要精准的SOC估计和健康诊断，该Transformer模型可提升预测准确率至94%以上。阳光可将该技术集成到BMS算法中，实现更精准的电池状态估计和寿命预测，优化充放电策略，延长电...
基于Transformer的电动汽车电池荷电状态估计模型
A Transformer-Based Model for State of Charge Estimation of Electric Vehicle Batteries
Metin Yılmaz · Eyüp Çinar · Ahmet Yazıcı · IEEE Access · 2025年1月
电池在电动汽车EV系统设备中发挥关键作用。这些应用的安全性和性能依赖准确的电池管理系统BMS来监测和优化电池性能。传统BMS系统因复杂化学过程和电池老化在充电预测过程中面临挑战，导致故障。完美传感器的缺失凸显外部因素特别是传感器噪声引起的测量问题的局限性。因此需要能解决现实世界电池充电预测问题的算法。本研究比较创新解决方案Transformer模型与传统长短期记忆LSTM、双向LSTM和支持向量回归SVR。本研究旨在使用NASA、BMW i3、斯坦福大学电池数据集和本研究收集的Musoshi品牌...
解读: 该Transformer模型SOC估计技术对阳光电源电池管理系统产品线有重要应用价值。阳光车载OBC和储能BMS需要高精度SOC估计来优化充电策略和电池保护。Transformer相比传统LSTM的性能优势值得阳光BMS算法借鉴。RMSE接近1的卓越精度可显著提升阳光BMS的SOC估计准确性。该技术...