找到 2 条结果
基于学习率优化的深度全卷积网络锂离子电池SOC估计
SOC Estimation of Li-ion Batteries With Learning Rate-Optimized Deep Fully Convolutional Network
M. A. Hannan · D. N. T. How · M. S. Hossain Lipu · Pin Jern Ker 等7人 · IEEE Transactions on Power Electronics · 2021年7月
本文提出了一种深度全卷积网络（DFCN）模型，直接利用电压、电流和温度数据估计锂离子电池的荷电状态（SOC）。通过引入学习率优化策略，该模型在恒定及变温环境下均表现出优异的SOC估计精度，为电池管理系统提供了高效的算法支撑。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack及户用储能系统）具有极高价值。SOC估计的精度直接决定了储能系统的可用容量和安全性。通过引入深度全卷积网络（DFCN）及学习率优化策略，可显著提升BMS在复杂工况（如变温、动态充放电）下的SOC估算准确度，从而优化电池均衡策略，...
客座编辑特刊：面向零排放电动交通的电机驱动先进技术
Guest Editorial Special Issue on Advanced Technologies of Motor Drives for Zero-Emission E-Mobility
Yunwei Ryan Li · Wei Hua · Luca Zarri · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
为实现《巴黎协定》将全球温升控制在2°C以内的目标，电动交通（e-mobility）迅速发展。然而，其电机驱动系统所耗电能仍部分来自化石能源，因此提升驱动系统能效成为实现净零排放的关键。本期特刊聚焦电机驱动在新材料、谐波抑制、电磁干扰抑制、智能控制、故障容错、能量管理及系统设计等方面的前沿进展，收录43篇高质量论文，涵盖提高能效的多种技术路径，推动电动交通可持续发展。
解读: 该特刊聚焦的电机驱动先进技术对阳光电源新能源汽车产品线具有直接应用价值。其中SiC/GaN器件应用、三电平拓扑技术可直接优化车载OBC充电机和电机驱动系统的功率密度与效率；PWM控制、SVPWM及模型预测控制MPC等智能控制算法可提升电机驱动精度和动态响应；谐波抑制与EMI抑制技术可改善充电桩的电能...