找到 2 条结果
基于凸优化的锂离子电池SOC与SOH解耦联合估计
Reduced-Coupling Coestimation of SOC and SOH for Lithium-Ion Batteries Based on Convex Optimization
Dianxun Xiao · Gaoliang Fang · Sheng Liu · Shaoyi Yuan 等7人 · IEEE Transactions on Power Electronics · 2020年11月
本文针对锂离子电池SOC与SOH估计中存在的强耦合与非线性问题，提出了一种新型的解耦联合估计算法。通过引入凸优化方法，简化了观测器网络设计并降低了稳定性分析的复杂性，有效提升了电池状态估计的精度与鲁棒性。
解读: 该研究直接服务于阳光电源的储能业务核心——电池管理系统（BMS）。在PowerTitan和PowerStack等大规模储能系统中，高精度的SOC/SOH估计是实现电池簇均衡、延长系统寿命及保障安全运行的关键。传统的非线性观测器计算量大且难以收敛，而本文提出的凸优化解耦算法能显著降低BMS计算负载，提...
基于新型混合深度神经网络的电池SOC和SOH估计
Battery State of Charge and State of Health Estimation Using a New Hybrid Deep Neural Network Approach
Saeid Jorkesh · Ryan Ahmed · Saeid Habibi · Reza Hosseininejad 等5人 · IEEE Access · 2024年10月
电动汽车BEV采用增加推动电池管理系统BMS进步，以应对成本和续航焦虑等挑战，两者均与电池性能相关。本文研究各种荷电状态SOC和健康状态SOH估计方法，提出结合门控循环单元GRU和长短期记忆LSTM模型的新型混合神经网络。所提方法在SOH和SOC估计精度方面显示显著改进，所需训练数据最少。关键贡献包括(1)混合GRU-LSTM模型提升SOC/SOH精度，(2)自优化能力，(3)有效处理温度变化无需OCV-SOC查找表，(4)适用于各种锂电池类型。实验结果显示，该方法在-10°C至40°C温度范围...
解读: 该混合神经网络技术对阳光电源电池管理系统具有重要应用价值。阳光ST储能系统和OBC车载充电机需要高精度SOC和SOH估计以优化充放电策略和延长电池寿命。该GRU-LSTM混合模型在宽温度范围内的高精度（SOC误差2%、SOH误差0.65%）可集成到阳光BMS系统，提升电池状态估计准确性。在工商业储能...