找到 2 条结果
锂电池健康状态预测的容错框架
Fault-Tolerant Framework for State-of-Health Prediction of Lithium Batteries
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...
锂电池健康状态预测的对抗性防御框架
Adversarial Defensive Framework for State-of-Health Prediction of Lithium Batteries
Anas Tiane · Chafik Okar · Hicham Chaoui · IEEE Transactions on Power Electronics · 2023年10月
神经网络易受恶意数据投毒攻击，导致预测准确性下降。本文提出一种对抗性防御框架，针对锂离子电池健康状态（SOH）预测模型，通过识别并防御微小噪声干扰，提升模型在复杂环境下的鲁棒性与决策边界稳定性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统的智能化运维。随着储能电站规模扩大，BMS数据的安全性与预测模型的鲁棒性至关重要。该对抗性防御框架可集成至iSolarCloud平台，提升电池SOH预测的抗干扰能力，防止恶意数据导致误判，从而优化电池寿命管理，降低运维风...