找到 1 条结果
基于线性模式提取与非线性关系挖掘混合方法的锂离子电池剩余寿命预测
Prognostics of Remaining Useful Life for Lithium-Ion Batteries Based on Hybrid Approach of Linear Pattern Extraction and Nonlinear Relationship Mining
Yingzhou Wang · Chenyang Hei · Hui Liu · Shude Zhang 等5人 · IEEE Transactions on Power Electronics · 2023年1月
本文针对锂离子电池剩余寿命（RUL）预测难题，提出了一种数据分解预测方法。该方法通过从容量衰减数据中提取线性趋势，并结合非线性关系挖掘技术对时间序列残差进行预测，有效提升了电池退化建模的准确性，为电池健康管理提供了技术支撑。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统的核心需求。高精度的RUL预测是BMS（电池管理系统）实现精细化运维、延长电池组循环寿命及保障系统安全的关键。通过引入该混合预测模型，阳光电源可进一步优化iSolarCloud平台的电池健康评估功能，实现对电网侧及工商业储能...