找到 2 条结果
一种电动汽车锂离子电池组传感器故障诊断方法
A Sensor Fault Diagnosis Method for a Lithium-Ion Battery Pack in Electric Vehicles
Rui Xiong · Quanqing Yu · Weixiang Shen · Cheng Lin 等5人 · IEEE Transactions on Power Electronics · 2019年10月
在电动汽车中，电池管理系统（BMS）高度依赖电流、电压和温度测量来估算荷电状态（SOC）和健康状态（SOH）。因此，确保传感器正常运行对于保护电池安全至关重要。本文提出了一种简单有效的基于模型的传感器故障诊断方法。
解读: 该研究对于提升阳光电源储能系统（如PowerTitan、PowerStack）的安全性具有重要参考价值。储能系统在长周期运行中，传感器故障可能导致BMS误判，进而引发电池过充过放风险。该基于模型的诊断方法可集成至iSolarCloud平台或BMS底层算法中，实现对电芯级电压、电流及温度传感器的实时在...
基于云的锂离子电池异常检测、定位与分类
Cloud-Based Li-ion Battery Anomaly Detection, Localization and Classification
Aihua Tang · Zikang Wu · Yuchen Xu · Kailong Liu 等5人 · IEEE Transactions on Industrial Informatics · 2024年12月
实现对电池异常的全面、准确检测对于电池管理系统至关重要。然而，电气结构的复杂性和有限的计算资源往往给直接的车载诊断带来巨大挑战。本文提出了一种部署在云平台上的多功能电池异常诊断方法，满足异常检测、定位和分类的需求。首先，该方法从放电电压中提取四个异常特征以指示电池异常。利用这些特征，通过风险筛查过程将车辆分为高、中、低风险类别。其次，在离线阶段利用这些分类和先前的异常标签来训练异常分类器。然后，通过专门开发的电压累积差分均值模型进一步细分故障类型，细化预警信息。最后，利用25辆真实车辆的数据对所...
解读: 从阳光电源储能系统业务视角来看，这项基于云平台的锂电池异常检测技术具有重要的应用价值和借鉴意义。该技术通过提取放电电压的四个异常特征，实现了对电池异常的检测、定位和分类，在25辆实车数据验证中达到98%以上的检测准确率，展现出较高的技术成熟度。 对于阳光电源的储能系统产品线而言，该技术方案提供了三...