找到 3 条结果

排序:
储能系统技术 储能系统 机器学习 电池管理系统BMS ★ 4.0

混合储能系统的容量优化与能量管理策略研究

Sizing Optimization and Energy Management Strategy for Hybrid Energy Storage System Using Multiobjective Optimization and Random Forests

Mince Li · Li Wang · Yujie Wang · Zonghai Chen · IEEE Transactions on Power Electronics · 2021年10月

本文针对电动汽车混合储能系统(HESS),提出了容量优化与自适应实时能量管理策略。通过多目标灰狼优化算法平衡系统成本与电池寿命,并利用随机森林算法实现高效的能量管理,为储能系统的设计与运行提供了优化方案。

解读: 该研究关注混合储能系统的容量配置与能量管理,与阳光电源的PowerTitan及PowerStack系列储能系统高度相关。文中提到的多目标优化与机器学习算法(如随机森林)可深度集成至iSolarCloud智能运维平台,用于优化储能电站的充放电策略,提升电池全生命周期收益。此外,该技术路径可借鉴用于阳光...

氢能与燃料电池 双向DC-DC 模型预测控制MPC 储能系统 ★ 3.0

考虑效率与安全的燃料电池混合动力汽车预测能量管理

Predictive Energy Management for Fuel Cell Hybrid Vehicles Considering Efficiency and Safety

Yingfang Liu · Mince Li · Yujie Wang · Zhendong Sun 等5人 · IEEE Transactions on Power Electronics · 2024年10月

本文针对燃料电池混合动力汽车(FCHVs),提出了一种旨在优化锂电池与燃料电池能量协同的实时能量管理策略。该策略重点关注系统运行的安全性和效率,为清洁能源交通的可持续发展提供了有效的控制基础。

解读: 该研究涉及的燃料电池与锂电池协同控制技术,与阳光电源的氢能业务(电解槽电源及氢储一体化)及储能系统(PowerTitan/PowerStack)的能量管理逻辑具有底层技术互通性。虽然阳光电源目前主要聚焦于固定式储能与光伏领域,但其PCS双向变换器及BMS控制算法在氢能交通或移动式储能场景中具有潜在应...

智能化与AI应用 储能系统 电池管理系统BMS 机器学习 ★ 5.0

基于可迁移知识共享网络的锂离子电池SOH与RUL同步预测

Simultaneous Prediction of SOH and RUL for Lithium-Ion Batteries Using Transferable Knowledge Sharing Network

Kai Zhong · Zhihao Liu · Jiaqiang Tian · Chao Fan 等8人 · IEEE Transactions on Power Electronics · 2025年9月

锂离子电池的健康状态(SOH)和剩余使用寿命(RUL)预测对电力系统的安全运行至关重要。针对现有方法在泛化能力、预测精度及多任务协同方面的不足,本文提出了一种可迁移知识共享网络,实现了SOH与RUL的同步预测,有效提升了复杂工况下的预测性能。

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。通过引入可迁移知识共享网络,BMS系统能够更精准地评估电池衰减状态,提升电池全生命周期的安全性与运维效率。建议将该算法集成至iSolarCloud智能运维平台,通过大数据分析实现电池簇的精细化管理,...