找到 1 条结果
排序:
储能系统技术
储能系统
电池管理系统BMS
机器学习
★ 5.0
基于模型-数据融合方法的锂离子电池健康状态估计与剩余寿命预测
Li-Ion Battery State of Health Estimation and Remaining Useful Life Prediction Through a Model-Data-Fusion Method
Zhiqiang Lyu · Renjing Gao · Lin Chen · IEEE Transactions on Power Electronics · 2021年6月
针对电动汽车锂离子电池退化过程的非线性和时变性，本文提出了一种模型与数据融合的健康状态（SOH）估计及剩余寿命（RUL）预测方法。该方法结合了代谢灰色模型与多输出高斯过程回归，实现了动态数据驱动的电池性能评估，有效提升了电池全生命周期管理的准确性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高的应用价值。通过引入模型-数据融合算法，可显著提升iSolarCloud平台对储能电站电池衰减的预测精度，实现更精细化的BMS管理。这不仅能优化电池资产的运维策略，降低运维成本，还能在电网侧储能和工商业储...