找到 2 条结果
基于异常发热与深度学习算法的电动汽车电池热失控故障预测
Battery Thermal Runaway Fault Prognosis in Electric Vehicles Based on Abnormal Heat Generation and Deep Learning Algorithms
Da Li · Peng Liu · Zhaosheng Zhang · Lei Zhang 等9人 · IEEE Transactions on Power Electronics · 2022年7月
针对电动汽车在复杂工况下电池热失控预测难的问题，本文提出了一种基于异常发热（AHG）的预测模型。该模型结合长短期记忆网络（LSTM）等深度学习算法，能够有效识别电池异常状态，提升电动汽车运行安全性。
解读: 该研究对阳光电源的储能系统（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，热失控监测是BMS的核心安全功能。通过引入基于异常发热的深度学习预测模型，阳光电源可优化iSolarCloud平台的电池健康状态（SOH）评估与预警算法，从单纯的阈值报警升...
基于开路电压模型与增量容量分析融合的锂离子电池健康状态估计
State-of-Health Estimation of Lithium-Ion Batteries by Fusing an Open Circuit Voltage Model and Incremental Capacity Analysis
Xiaolei Bian · Zhongbao GAE Wei · Weihan Li · Josep Pou 等6人 · IEEE Transactions on Power Electronics · 2021年1月
本文提出了一种融合开路电压（OCV）模型与增量容量分析（ICA）的锂离子电池健康状态（SOH）估计新方法。通过构建新型OCV模型提取关键特征（FOIs），实现了对电池老化过程的精准诊断，为提升电池系统的可靠性与寿命管理提供了有效手段。
解读: 该研究直接服务于阳光电源储能业务的核心痛点。在PowerTitan和PowerStack等大型储能系统中，精准的SOH估算对于保障电站全生命周期收益至关重要。该融合算法可集成至BMS（电池管理系统）中，通过结合OCV与ICA分析，提升电池老化诊断精度，从而优化iSolarCloud平台的运维策略，实...