找到 2 条结果
不同环境温度下锂离子电池的无源跨域荷电状态估计
Source-Free Cross-Domain State of Charge Estimation of Lithium-Ion Batteries at Different Ambient Temperatures
Liyuan Shen · Jingjing Li · Lin Zuo · Lei Zhu 等5人 · IEEE Transactions on Power Electronics · 2023年6月
针对锂离子电池荷电状态（SOC）估计中因环境温度变化导致的域偏移问题，本文提出了一种无源跨域迁移学习方法。该方法旨在解决不同工况下数据分布差异带来的模型性能下降，无需访问源域数据即可实现模型在目标域的自适应，提升了复杂环境下SOC估计的鲁棒性与准确性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。电池SOC的精准估算是BMS的核心，而环境温度是影响SOC精度的主要因素。通过引入无源跨域迁移学习，阳光电源可在不依赖大规模现场数据重训练的情况下，显著提升储能系统在极端气候下的SOC估计精度，延长...
面向锂离子电池跨域荷电状态估计的温度自适应迁移网络
Temperature Adaptive Transfer Network for Cross-Domain State-of-Charge Estimation of Li-Ion Batteries
Liyuan Shen · Jingjing Li · Jieyan Liu · Lei Zhu 等5人 · IEEE Transactions on Power Electronics · 2023年3月
荷电状态（SOC）估计是电池管理系统（BMS）的核心，对保障电池安全至关重要。现有的数据驱动方法依赖大量标注数据，且假设训练与测试数据分布一致。然而，实际应用中往往缺乏标注数据且存在分布差异。本文提出一种温度自适应迁移网络，旨在解决不同工况及温度下的跨域SOC估计难题。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统具有极高价值。目前储能电站面临不同温度环境及电池老化带来的数据分布偏移问题，导致BMS估算精度下降。引入温度自适应迁移网络，可显著提升iSolarCloud平台在复杂工况下的SOC估算准确度，减少对大规模离线训练数据的依赖。建议研...