找到 3 条结果
基于阻抗谱动力学与深度高斯过程的锂离子电池容量估计
Capacity Estimation for Lithium-Ion Batteries Based on Impedance Spectral Dynamics and Deep Gaussian Process
Shude Zhang · Weiru Yuan · Yingzhou Wang · Shun Cheng 等5人 · IEEE Transactions on Power Electronics · 2024年8月
锂离子电池充放电过程伴随复杂的电化学行为，对电池性能与寿命有不可逆影响，在线容量估计极具挑战。本文利用电化学阻抗谱（EIS）丰富的频域信息，提出一种基于深度高斯过程的容量估计方法，旨在实现更精准的电池健康状态监测。
解读: 该技术对阳光电源PowerTitan和PowerStack等储能系统至关重要。目前储能系统主要依赖电压/电流积分法估算SOH，精度受限。引入基于阻抗谱动力学的深度学习算法，可显著提升BMS对电池衰减机理的感知能力，实现更精准的剩余寿命预测。建议在iSolarCloud平台集成此类高阶算法，通过大数据...
一种基于模态分解机制的数据驱动锂离子电池剩余寿命预测方法
A Data-Driven Method With Mode Decomposition Mechanism for Remaining Useful Life Prediction of Lithium-Ion Batteries
Jianguo Wang · Shude Zhang · Chenyu Li · Lifeng Wu 等5人 · IEEE Transactions on Power Electronics · 2022年11月
锂离子电池具有高效、轻便等优势，但其不稳定性及失效风险仍是行业挑战。本文提出了一种基于模态分解的数据驱动方法，用于预测锂离子电池的剩余使用寿命（RUL），旨在通过精准的寿命评估有效预防电池突发故障，保障系统运行安全。
解读: 该研究直接服务于阳光电源PowerTitan、PowerStack等储能系统业务。通过引入模态分解与数据驱动算法，可显著提升iSolarCloud平台对电芯健康状态（SOH）的监测精度，并优化BMS的寿命预测模型。这不仅能降低储能电站的运维成本，还能通过提前预警潜在失效风险，提升系统安全性，对阳光电...
基于线性模式提取与非线性关系挖掘混合方法的锂离子电池剩余寿命预测
Prognostics of Remaining Useful Life for Lithium-Ion Batteries Based on Hybrid Approach of Linear Pattern Extraction and Nonlinear Relationship Mining
Yingzhou Wang · Chenyang Hei · Hui Liu · Shude Zhang 等5人 · IEEE Transactions on Power Electronics · 2023年1月
本文针对锂离子电池剩余寿命（RUL）预测难题，提出了一种数据分解预测方法。该方法通过从容量衰减数据中提取线性趋势，并结合非线性关系挖掘技术对时间序列残差进行预测，有效提升了电池退化建模的准确性，为电池健康管理提供了技术支撑。
解读: 该研究直接服务于阳光电源PowerTitan和PowerStack等储能系统的核心需求。高精度的RUL预测是BMS（电池管理系统）实现精细化运维、延长电池组循环寿命及保障系统安全的关键。通过引入该混合预测模型，阳光电源可进一步优化iSolarCloud平台的电池健康评估功能，实现对电网侧及工商业储能...