找到 3 条结果
一种电动汽车锂离子电池膝点直接预测的混合算法
A Hybrid Algorithm for Direct Knee Point Prediction of Lithium-Ion Battery in Electric Vehicle
Tiancheng Ouyang · Yingying Su · Weijie Peng · Longde Su · IEEE Transactions on Power Electronics · 2026年3月
针对现有锂电池膝点预测方法依赖早期循环数据且通用性差的问题，本文提出了一种直接预测算法。该方法仅需电池前10次循环的数据即可实现可靠的膝点预测，并结合迁移学习算法提升了模型的泛化能力。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及户用储能）具有极高价值。锂电池的“膝点”（容量衰减加速点）是评估储能系统寿命和安全性的关键指标。通过引入该直接预测算法，阳光电源的iSolarCloud智能运维平台可实现更精准的电池健康状态（SOH）监测与寿命预警，显著降低运维...
结合元学习与CNN-LSTM算法的锂离子电池健康状态估计
Combined Meta-Learning With CNN-LSTM Algorithms for State-of-Health Estimation of Lithium-Ion Battery
Tiancheng Ouyang · Yingying Su · Chengchao Wang · Song Jin · IEEE Transactions on Power Electronics · 2024年8月
针对锂离子电池实际运行工况复杂导致健康状态（SOH）估计泛化能力差的问题，本文提出了一种结合元学习与CNN-LSTM的SOH估计方法。该方法通过元学习框架提升模型在不同工况下的适应性，有效解决了传统深度学习模型对大规模数据依赖及泛化性不足的难题。
解读: 该技术对阳光电源的PowerTitan和PowerStack等储能系统至关重要。目前BMS在全生命周期SOH预测上存在精度与泛化性的平衡难题，元学习算法能显著提升系统在不同环境温度、充放电倍率下的电池寿命评估准确度。建议将此算法集成至iSolarCloud智能运维平台，通过云端大数据训练与边缘侧BM...
输入数据缺失情况下的车用锂离子电池荷电状态估计
State-of-Charge Estimation of Automotive Lithium-Ion Batteries during Lack of Input Data Update
Tiancheng Ouyang · Yubin Gong · Yingying Su · Song Jin · IEEE Transactions on Power Electronics · 2025年5月
针对电动汽车传感器因振动或连接松动导致数据采集异常的问题，本文提出了一种基于双向机制的状态估计方法。该方法在输入数据缺失的情况下，仍能实现对锂离子电池荷电状态（SOC）的准确监测与诊断，提升了储能系统在复杂工况下的运行可靠性。
解读: 该研究对于阳光电源的储能业务（如PowerTitan、PowerStack系列）具有重要的参考价值。在大型储能电站中，传感器故障导致的BMS数据异常会直接影响SOC估算的准确性，进而引发系统保护性停机或充放电策略失效。本文提出的数据缺失补偿算法可集成至iSolarCloud智能运维平台或BMS底层逻...