找到 4 条结果
基于动态可重构电池网络状态空间模型的电池荷电状态估计
State of Charge Estimation for Dynamic Reconfigurable Battery Networks Based on State-Space Modeling
陈爱琢 · 张从佳 · 周杨林 · 史兴华 等6人 · 中国电机工程学报 · 2025年1月 · Vol.45
动态可重构电池网络（DRBN）由多个异质电池单元通过电力电子开关串并联构成，需通过拓扑协同控制实现均衡管理与故障隔离。本文结合图论割集分析方法与电池n阶Thevenin模型，构建DRBN整体状态空间模型，揭示电池单元间耦合关系，并提出一种基于该模型的荷电状态（SOC）一体化估计方法。通过实验与仿真对比现有基于单体模型的SOC估计方法，验证了所提方法在精度与鲁棒性方面的优越性，为DRBN的能量管理与优化运行提供有效支持。
解读: 该动态可重构电池网络技术对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。DRBN的拓扑重构与故障隔离机制可直接应用于ESS集成方案中的电池簇管理，通过电力电子开关实现异质电池单元的动态组网，提升系统容错能力。所提出的基于状态空间模型的整体SOC估计方法，相比传统单体估计...
不同环境温度下锂离子电池的无源跨域荷电状态估计
Source-Free Cross-Domain State of Charge Estimation of Lithium-Ion Batteries at Different Ambient Temperatures
Liyuan Shen · Jingjing Li · Lin Zuo · Lei Zhu 等5人 · IEEE Transactions on Power Electronics · 2023年6月
针对锂离子电池荷电状态（SOC）估计中因环境温度变化导致的域偏移问题，本文提出了一种无源跨域迁移学习方法。该方法旨在解决不同工况下数据分布差异带来的模型性能下降，无需访问源域数据即可实现模型在目标域的自适应，提升了复杂环境下SOC估计的鲁棒性与准确性。
解读: 该技术对阳光电源的储能业务（PowerTitan、PowerStack及ST系列PCS）具有极高价值。电池SOC的精准估算是BMS的核心，而环境温度是影响SOC精度的主要因素。通过引入无源跨域迁移学习，阳光电源可在不依赖大规模现场数据重训练的情况下，显著提升储能系统在极端气候下的SOC估计精度，延长...
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...
电动汽车锂离子电池基于等效电路模型的荷电状态估计
On Equivalent Circuit Model-Based State-of-Charge Estimation for Lithium-Ion Batteries in Electric Vehicles
Fatma Ahmed · Khalid Abualsaud · Ahmed M. Massoud · IEEE Access · 2025年4月
本文研究电动汽车锂离子电池SOC估计的先进模型方法。基于电化学阻抗谱建立三阶等效电路模型，采用粒子群算法辨识参数，对比扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF算法。结果显示UKF的RMSE和最大误差分别为1.06%和1.15%，优于EKF。EKF-UKF混合方法实现最优性能，RMSE仅0.2%，最大误差0.5%，为电动汽车实时电池监测提供高精度解决方案。
解读: 该SOC估计技术与阳光电源新能源汽车电驱控产品线高度相关。阳光电源车载OBC和电池管理系统需要高精度SOC估计算法来优化充电策略和电池保护。EKF-UKF混合算法可集成到阳光BMS中，提高电池状态估计准确性和充电效率。该技术结合阳光800V高压快充平台，可实现更安全高效的电池管理和更优的用户充电体验...