找到 2 条结果
基于多指标的储能技术健康诊断与预测：模糊综合评价与改进多变量灰色模型
Multiple Indicators-Based Health Diagnostics and Prognostics for Energy Storage Technologies Using Fuzzy Comprehensive Evaluation and Improved Multivariate Grey Model
Junhua Wang · Shiqi Liu · Shuxiao Wang · Qisheng Liu 等7人 · IEEE Transactions on Power Electronics · 2021年11月
针对电池内部电化学反应复杂且不可观测导致的健康状态（SOH）预测难题，本文提出了一种基于模糊综合评价与改进多变量灰色模型的电池健康评估框架。该方法通过多指标融合，实现了对储能电池健康状态的精准诊断与寿命预测，有效提升了储能系统的可靠性与运行效率。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等大型储能系统。精准的SOH预测是提升BMS核心竞争力的关键，能够显著优化电池簇的均衡管理，延长系统循环寿命。建议将该算法集成至iSolarCloud智能运维平台，通过多指标融合的健康诊断模型，实现对电站侧储能资产的精细化运维，提前识...
一种宽寿命周期下串联电池组在线SOC估计的放电模式识别新方法
A Novel Discharge Mode Identification Method for Series-Connected Battery Pack Online State-of-Charge Estimation Over A Wide Life Scale
Shiqi Liu · Junhua Wang · Qisheng Liu · Jia Tang 等7人 · IEEE Transactions on Power Electronics · 2021年1月
针对锂电池组内因老化差异导致的SOC估计难题，本文提出了一种放电模式识别（DMI）方法。该方法通过简化处理流程，实现了在宽寿命周期内对串联电池组SOC的精确在线估计，有效提升了储能系统在全生命周期内的运行精度与可靠性。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统核心的BMS算法优化。在大型储能电站中，电芯老化不一致性是影响系统可用容量和安全性的关键痛点。该DMI方法能够提升BMS对电池组SOC的估算精度，特别是在电池全生命周期内，有助于延长系统运行寿命并优化调峰调频性能。建议研发团...