找到 3 条结果
基于随机部分充电数据的电池健康状态数据驱动估计
Data-Driven Battery State of Health Estimation Based on Random Partial Charging Data
Zhongwei Deng · Xiaosong Hu · Penghua Li · Xianke Lin 等5人 · IEEE Transactions on Power Electronics · 2022年5月
随着电动汽车的快速发展，电池健康状态（SOH）的准确估计对于安全监测、残值评估及预测性维护至关重要。本文提出了一种基于随机部分充电数据的数据驱动SOH估计方法，旨在解决现有方法在实际应用中对完整充电循环依赖性过强的问题，提升电池全生命周期管理的智能化水平。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack系列）具有极高价值。目前储能系统在电网侧和工商业侧应用中，往往难以获取完整的满充满放数据。通过引入该数据驱动算法，阳光电源的iSolarCloud智能运维平台可实现对储能电站电池健康状态的实时精准评估，无需等待完整充电循环。这不仅...
LDNet-RUL：用于锂离子电池剩余寿命预测的轻量化可变形神经网络
LDNet-RUL: Lightweight Deformable Neural Network for Remaining Useful Life Prognostics of Lithium-Ion Batteries
Xiankui Wu · Penghua Li · Zhongwei Deng · Zhitao Liu 等7人 · IEEE Transactions on Power Electronics · 2025年9月
针对深度神经网络在电池剩余寿命（RUL）预测中计算成本高、推理时间长及易过拟合的问题，本文提出了轻量化高性能模型LDNet-RUL。该模型专为内存受限的边缘设备设计，有效提升了锂离子电池寿命预测的效率与准确性，解决了在嵌入式端侧部署的挑战。
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。目前储能系统依赖BMS进行状态监控，引入LDNet-RUL轻量化模型可直接部署于BMS边缘控制器或iSolarCloud平台，实现更精准的电池健康状态（SOH）评估与寿命预测。这不仅能优化电池集群的...
考虑老化现象的锂离子电池自适应线性变参数建模
Adaptive Linear Time-Varying Parameter-Varying Modeling of Lithium-Ion Batteries Considering Aging Phenomenon
Jie Hou · Yuchao Jiang · Jingxiang Liu · Penghua Li 等7人 · IEEE Transactions on Power Electronics · 2025年11月
本文针对锂电池模型精度与复杂度的平衡难题，提出了一种增强型电池模型。该模型通过引入自适应线性变参数方法，有效捕捉了电池在老化过程中的动态特性，在保持计算效率的同时，显著提升了对复杂影响因素的建模精度。
解读: 该研究对于阳光电源的PowerTitan和PowerStack等储能系统具有重要价值。通过引入自适应变参数建模，可以更精准地评估电池在全生命周期内的老化状态（SOH），从而优化BMS的充放电策略，延长系统使用寿命。此外，该模型可集成至iSolarCloud平台，提升对大型储能电站电池簇的精细化运维能...