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...