找到 8 条结果
具有荷电状态不平衡约束的模块化电池储能系统寿命最大化
Lifespan Maximization of Modular Battery Energy Storage Systems With State-of-Charge Imbalance Constraints
Enrique Nunes · Gaowen Liang · Ezequiel Rodriguez · Glen G. Farivar 等5人 · IEEE Transactions on Industrial Electronics · 2024年11月
模块化电池储能系统（MBESSs）是一种很有前景的技术，可缓解可再生能源的间歇性问题。在实际应用中，模块化电池储能系统中的电池在剩余使用寿命（RUL）方面存在差异。因此，健康状态最差的电池决定了模块化电池储能系统的使用寿命，这推动了剩余使用寿命均衡方法的发展。然而，现有方法既未考虑最大程度延长使用寿命，也未考虑剩余使用寿命均衡所产生的荷电状态（SoC）不平衡问题，而这种不平衡会降低模块化电池储能系统的可用容量。因此，本文首先为剩余使用寿命均衡制定了一个通用的最优准则，该准则适用于任何退化率是功率...
解读: 从阳光电源储能系统业务视角来看，这篇论文提出的模块化电池储能系统（MBESS）剩余寿命（RUL）均衡优化技术具有重要的工程应用价值。当前我司PowerStack、PowerTitan等大型储能产品均采用模块化架构，但实际运行中电池单元健康状态差异导致的"木桶效应"一直制约着系统整体寿命和经济性。 ...
基于老化特征参数的功率模块剩余使用寿命预测方法
Remaining Useful Lifetime Prediction Method of Power Modules Based on the Aging Characteristic Parameters
Luhong Xie · Erping Deng · Dianjie Gu · Weijie Wang 等6人 · IEEE Transactions on Power Electronics · 2024年9月
功率模块剩余使用寿命（RUL）预测对于实施热管理和设计有效维护方案具有重要意义。由于裂纹是功率模块老化的根本失效机制，无论是键合线失效还是焊层退化，本文首先描述了裂纹扩展过程并得出了通用的裂纹扩展规律。然后，基于一个简单的焊层模型，将该通用裂纹扩展规律拓展至老化特征参数的通用增长模式。利用新老功率模块的功率循环测试结果验证了该通用增长模式的准确性后，基于老化特征参数的通用增长模式提出了一种新的剩余使用寿命预测方法。最后，在易封装（EasyPACK）模块上应用了所提出的剩余使用寿命预测方法，预测寿...
解读: 从阳光电源的业务视角来看，这项基于老化特征参数的功率模块剩余寿命预测技术具有重要的战略价值。功率模块是光伏逆变器和储能变流器的核心部件，其可靠性直接影响系统的长期稳定运行和全生命周期成本。 该研究通过揭示裂纹扩展这一根本失效机理，建立了从键合线失效到焊料层退化的统一老化规律模型，这为我们的产品设计...
基于物理信息深度学习与稀疏数据的电力电子器件剩余寿命预测
Remaining Useful Life Prediction of Power Electronic Devices With Physics-Informed Deep Learning and Sparse Data
Le Gao · Chaoming Liu · Yiping Xiao · Chunhua Qi 等5人 · IEEE Transactions on Power Electronics · 2025年4月
准确预测碳化硅金属氧化物半导体场效应晶体管（MOSFET）的剩余使用寿命（RUL）对于确保电力电子系统的可靠性至关重要，特别是在辐射环境下。然而，大多数现有的深度学习方法依赖于密集采样的退化数据，使其不适用于退化观测数据有限的稀疏数据条件。为解决这一局限性，我们提出了一种用于稀疏RUL预测的物理信息深度学习（PIDL）方法。该方法通过定制的物理信息损失函数，将总电离剂量引起的退化机制（具体为界面和氧化物陷阱电荷积累）融入基于Transformer的神经网络架构中。这种损失函数明确惩罚与导通状态电...
解读: 从阳光电源的业务视角来看，这项针对碳化硅MOSFET剩余寿命预测的物理信息深度学习技术具有重要的战略价值。作为光伏逆变器和储能系统的核心功率器件，碳化硅MOSFET的可靠性直接关系到我们产品在全生命周期内的性能表现和运维成本。 该技术的核心优势在于解决了稀疏数据条件下的寿命预测难题。在实际应用场景...
基于物理信息神经网络的锂离子电池健康状态、剩余使用寿命与短期退化路径联合估计
Physics-informed neural network for co-estimation of state of health, remaining useful life, and short-term degradation path in Lithium-ion batteries
Li Yanga · Mingjian Heab · Yatao Ren · Baohai Gao 等5人 · Applied Energy · 2025年1月 · Vol.398
摘要 锂离子电池由于各种内部和外部因素会随时间逐渐退化，这种退化带来了显著的安全性和可靠性风险，凸显了电池健康管理作为关键研究领域的重要性。然而，当前仍面临一个重大挑战，即开发一种通用的健康管理方法，以适应不同的电池材料、工作环境以及多样化的任务需求。为应对这一问题，本文提出了一种新颖的多任务健康管理方法，该方法将多任务处理框架与物理信息神经网络相结合。通过共享参数与任务特定参数的协同设计，并结合基于物理规律的特征提取机制，该方法高效地整合了健康状态估计、剩余使用寿命预测以及短期退化路径预测三项...
解读: 该物理信息神经网络多任务学习框架对阳光电源储能系统具有重要应用价值。可直接集成至ST系列PCS和PowerTitan储能系统的BMS中,实现SOH估算(误差0.75%)、RUL预测(误差104循环)和短期退化路径预测的协同管理。其基于恒压充电阶段电压电流数据的特征提取方法,与阳光电源iSolarCl...
一种基于多时间分辨率注意力机制的交互网络用于多种电池状态联合估计
A multi-time-resolution attention-based interaction network for co-estimation of multiple battery states
Ruixue Liu · Benben Jiang · Applied Energy · 2025年1月 · Vol.381
摘要 高效且可靠的电池管理系统依赖于对多个电池状态的精确联合估计，包括荷电状态（SOC）、健康状态（SOH）和剩余使用寿命（RUL）。然而，由于这些状态在不同时间尺度上具有不同的时间分辨率以及复杂的相互作用，特别是在缺乏历史电池数据的情况下，该任务面临显著挑战。为应对这些挑战，本文提出了一种新颖的端到端多时间分辨率注意力机制交互网络（MuRAIN），用于多种电池状态的联合估计，该方法直接利用当前的充放电循环数据，无需历史数据。MuRAIN方法引入了一个多分辨率分块模块，能够从循环数据中智能提取具...
解读: 该多时间分辨率注意力交互网络技术对阳光电源ST系列储能变流器及PowerTitan储能系统的BMS优化具有重要价值。MuRAIN可实现SOC、SOH、RUL的高精度联合估计,无需历史数据即可基于当前循环数据运行,特别适合浅循环工况下的商业储能应用。该技术可集成至iSolarCloud平台,提升预测性...
基于TCN-LSTM神经网络与迁移学习的数字孪生支持型电池状态估计
Digital Twin-supported Battery State Estimation Based on TCN-LSTM Neural Networks and Transfer Learning
Kai ZhaoYing LiuYue ZhouWenlong MingJianzhong Wu · 中国电机工程学会热电联产 · 2025年1月 · Vol.45
准确估计电池荷电状态（SOC）、健康状态（SOH）及剩余使用寿命（RUL）对储能技术发展至关重要。本文提出一种融合时间卷积网络（TCN）与长短期记忆网络（LSTM）的数字孪生（DT）支持型电池状态估计算法。构建四层层次化DT架构以克服传统电池管理系统在计算与存储上的局限，并引入基于迁移学习的在线TCN-LSTM模型，实现神经网络参数的动态更新与实时精度优化。实验结果表明，该方法在90个循环数据下SOC、SOH和RUL的平均均方根误差分别为1.1%、0.8%和0.9%，显著优于传统CNN等模型，展...
解读: 该数字孪生支持的电池状态估计技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。TCN-LSTM融合架构可直接集成至BMS系统，实现SOC/SOH/RUL的高精度实时估计（RMSE<1.1%），显著提升电池全生命周期管理能力。四层DT架构突破边缘侧计算瓶颈，可与iSol...
数字孪生与TD3算法实现车联网中电动汽车能量管理优化
Digital Twin and TD3-Enabled Optimization of xEV Energy Management in Vehicle-to-Grid Networks
Irum Saba · Abdulraheem H. Alobaidi · Sultan Alghamdi · Muhammad Tariq · IEEE Access · 2025年1月
电动汽车快速普及需优化储能系统管理以提升性能、寿命和可靠性。传统ESS管理方法在实时状态估计、能量优化和预测性维护方面存在困难，导致电池利用和可持续性效率低下。本文提出先进ESS框架，集成数字孪生DT技术和双延迟深度确定性策略梯度TD3算法（源自DDPG的最先进强化学习方法）。该集成实现关键ESS状态（SOC、SOH、SOE和RUL）的精确实时估计，增强预测性维护和运营效率。所提框架促进主动电池健康监控，生成潜在故障早期预警，通过DT驱动ESS控制实现智能电池更换。通过动态调整ESS控制策略，T...
解读: 该数字孪生技术对阳光电源新能源汽车业务具有重要价值。阳光OBC车载充电机和BMS系统需要精准的电池状态估计和智能能量管理。该研究的DT-TD3框架可集成到阳光车辆能量管理系统，实现99.8%的高精度SOC/SOH估计，优化充电策略和电池寿命管理。在V2G车网互动场景下，该技术可预测电池健康状态，智能...
锂离子电池建模研究综述与展望：当前研究的深入分析与未来发展方向
A comprehensive review of lithium-ion battery modelling research and prospects: in-depth analysis of current research and future directions
Bowen Zheng · Zhichao Dengd · Zhenhao Luo · Shuoyuan Mao 等14人 · Applied Energy · 2025年1月 · Vol.401
摘要 随着全球能源转型与低碳技术的快速发展，锂离子电池作为核心储能单元，其性能提升与安全管理高度依赖于精确的电池建模。电池建模经历了从机理驱动到数据驱动、从单尺度到多尺度融合的发展过程，形成了三大主流技术体系：其一，基于Thevenin框架的等效电路模型（ECM），利用RC网络拟合电池外部特性，通过引入迟滞模块并结合遗传算法优化，可在电池管理系统（BMS）实时控制中实现毫秒级响应，展现出显著的工程应用优势；然而，其建模逻辑局限于端口特性，缺乏对深层物理机制的解释能力。其二，基于多孔电极理论和偏微...
解读: 该锂电池建模综述对阳光电源储能系统具有重要指导意义。等效电路模型可直接应用于ST系列PCS的BMS实时控制,实现毫秒级SOC估算;物理场模型支撑PowerTitan电池包热管理优化和材料选型;数据驱动模型可融入iSolarCloud平台,提升储能电站全生命周期预测性维护能力。多尺度混合建模思路为阳光...