找到 2 条结果
基于克拉默-拉奥界分析的锂离子电池荷电状态与健康状态联合估计电流剖面优化
Current Profile Optimization for Combined State of Charge and State of Health Estimation of Lithium Ion Battery Based on Cramer–Rao Bound Analysis
Ziyou Song · Xiaogang Wu · Xuefeng Li · Jing Sun 等6人 · IEEE Transactions on Power Electronics · 2019年7月
本文针对锂离子电池的荷电状态（SoC）与健康状态（SoH）在线估计问题，基于一阶等效电路模型（ECM），采用多尺度扩展卡尔曼滤波进行参数与状态估计。研究指出电池激励电流剖面对估计精度影响显著，通过克拉默-拉奥界（CRB）分析优化电流激励，旨在提升电池管理系统的估计效率与可靠性。
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，精准的SoC/SoH估计是实现电池簇均衡管理、延长循环寿命及保障安全运行的关键。通过CRB理论优化电流激励剖面，可提升BMS在复杂工况下的状态感知精度，减少因估算偏差导致的...
基于克拉美-罗界分析的电池/超级电容混合储能系统参数辨识与最大功率估计
Parameter Identification and Maximum Power Estimation of Battery/Supercapacitor Hybrid Energy Storage System Based on Cramer–Rao Bound Analysis
Ziyou Song · Jun Hou · Heath F. Hofmann · Xinfan Lin 等5人 · IEEE Transactions on Power Electronics · 2019年5月
本文针对电池/超级电容混合储能系统（HESS），提出了一种用于状态监测和最大功率估计的参数辨识方法。通过费舍尔信息矩阵分析，推导了考虑电压测量噪声下的参数辨识误差解析界，并进行了实验验证。
解读: 该研究对于阳光电源的PowerTitan和PowerStack等储能系统具有重要价值。通过克拉美-罗界（CRB）分析优化参数辨识精度，可显著提升BMS对电池健康状态（SOH）和功率能力的评估准确性，从而优化PCS的充放电策略。在混合储能方案中，该技术有助于更精准地分配电池与超级电容的功率，延长系统寿...