Haichuan Zhao · Jinhao Meng · Qiao Peng · Applied Energy · 2025年1月 · Vol.381

摘要 在电池储能系统（BESS）的全生命周期管理中，早期捕捉锂离子电池（LIB）的退化路径至关重要，然而现有研究主要集中在短期电池健康状态（如健康状态，SOH）诊断。本研究提出一种创新性概念，旨在仅利用少量初始循环数据即可感知锂离子电池的退化轨迹，从而为BESS复杂化的运行与维护策略预留充足的调整空间。本文提出一种新颖的深度学习框架，通过构建基于电池早期使用数据的图特征来获取容量退化轨迹。为了捕获更丰富的容量衰减特征，该框架通过生成增量容量（IC）曲线和容量差分曲线对电压-容量数据进行增强，并将...

解读: 该早期电池退化轨迹预测技术对阳光电源ST系列储能系统及PowerTitan产品具有重要价值。通过少量初始循环数据的图形化特征和深度学习,可在电池全生命周期早期预判容量衰减路径,为储能系统预测性维护提供60个循环内的精准预警。该技术可集成至iSolarCloud平台,结合增量容量曲线分析,优化BMS健...