储能科学与技术 ›› 2024, Vol. 13 ›› Issue (9): 2972-2982. doi: 10.19799/j.cnki.2095-4239.2024.0289 • AI辅助先进的技术电池设计与应用专刊 • 上一篇 下一篇 基于多特征量分析和LSTM-XGBoost模型的锂离子电池SOH估计方法 陆继忠 1 (), 彭思敏 2 (), 李晓宇 3
2024年10月19日 · 中国储能网讯： 本文亮点： （1） 使用增量容量分析法绘制IC曲线,提出 IC 曲线的面积作为特征输入,提高了估计 SOH 的精确性。 （2） 提出一种CNN与 Transformer 结合的神经网络,大大提高了神经网络模型在处理序列问题时对局部特征的提取能力。
2023年6月5日 · 结果表明：本工作建立的优化支持向量回归模型,能够有效追踪锂离子电池的衰退轨迹,实现对电池可用容量的精确估计,并且在不同电池上取得了较好的估算结果,可用容量最高大估计误差低于2%。
2024年7月11日 · 储能科学与技术 ›› 2024, Vol. 13 ›› Issue (9): 3084-3093. doi: 10.19799/j.cnki.2095-4239.2024.0643 • AI辅助先进的技术电池设计与应用专刊 • 上一篇 贫数据条件下锂离子电池容量退化轨迹预测方法
2022年11月30日 · 精确准的容量估计对锂离子电池健康管理和预测性维护具有重要意义。近年来,数据驱动的方法被广泛应用于锂离子电池容量估计,然而现有的数据驱动方法大多假设训练和测
2024年9月27日 · 中国储能网讯： 本文亮点：（1）考虑电池多温度环境；（2）电池不同老化状态；（3）提出多新息最高小二乘法对电池进行参数辨识；（4）提出平方根容积卡尔曼滤波估算电池SOC。 摘 要 针对锂离子动力电池工作环境复杂且电池老化导致内部参数辨识精确度低与荷电状态估计误差大的难题,本文提出了
2023年10月9日 · 中国储能网讯：锂离子电池凭借其优秀性能已被广泛应用于电动车辆、移动机器人、可穿戴设备、储能场站等场景。在电池使用过程中,不可避免出现的非线性、强时变的容量衰减严重影响着电池性能。为确保电池工作的安全方位性和可信赖性,快速精确的容量估计至关重要。
光伏系统的电池容量与储能设计-2.充放电控制策略：光伏系统的充放电控制策略直接影响电池的充放电效率和寿命。 ... 通过精确估计电池容量 、合理选择控制策略和系统优化,可以最高大限度地提升光伏系统的供电可信赖性和经济效益。只有在确保系统稳定
2024年10月16日 · 聚焦于电动汽车锂离子电池容量估计问题,本文提出了一种结合安时积分模型与ECM的方法,将电池容量作为待辨识参数之一引入ECM当中,再基于PSO算法辨识模型参数。
针对锂离子电池老化行为建模及小样本条件下的健康状态(State of Health,SOH)精确估计问题,本文首先引入电池容量增量分析法(Incremental Capacity Analysis,ICA),并分析IC曲线与电池老
2024年11月25日 · 文章浏览阅读1.2k次,点赞38次,收藏12次。实验结果表明,卡尔曼滤波算法能够结合电池的电压、电流、温度等测量数据,利用电池的特性模型和动力学方程,对电池充电状态进行实时估计。在储能电池SOC估计中,卡尔曼滤波可以结合电池的电压、电流、温度等测量数据,利用电池的特性模型和动力
2024年11月6日 · 综上所述,该文档对锂电池在储能 应用中的健康管理和故障诊断进行了深入研究,提出了一系列有效的算法和技术方案,为保障储能系统 ... - 在役电池系统衰减轨迹预测：利用安时积分公式变换计算电池容量,分析充电数据的月份统计特征与
2023年12月4日 · 基于容量增量曲线与GWO-GPR的锂离子电池SOH估计. 储能科学与技术, 2023, 12 ... 随着循环次数的增加,电池容量曲线并非呈单调递减趋势,容量再生的现象导致曲线出现局部波动,且在后期循环中出现了准周期性的特点,这种非 线性关系对
2023年9月30日 · 锂离子电池凭借其优秀性能已被广泛应用于电动车辆、移动机器人、可穿戴设备、储能场站等场景。在电池使用过程中,不可避免出现的非线性、强时变的容量衰减严重影响着电池性能。为确保电池工作的安全方位性和可信赖性,快速精确的容量估计至关重要。
2019年8月8日 · 本文提出了一种深度学习方法,该方法利用深度卷积神经网络（DCNN）来基于部分充电周期内的电压,电流和充电容量测量来进行电池级容量估计。DCNN的独特功能包括本
2024年10月17日 · 为此,本文提出一种基于多特征量分析和长短期记忆 (long short-term memory, LSTM)-极端梯度提升 (eXtreme gradient boosting, XGBoost)模型的锂离子电池SOH估计方法。
2023年3月3日 · 1. 背景介绍 1.1 锂电池的优势与挑战 锂离子电池因其高能量密度、长循环寿命、低自放电率等优点,已成为便携式电子设备、电动汽车、储能系统等领域的主流电源。然而,锂电池的充电过程并非简单地连接电源即可,不当的充电方式会导致电池寿命缩短、性能下降,甚至引发
对基于IMM的SOC及SOH联合估计算法进行实验验证,证明所提出的方法可以实现SOC的精确估计和电池容量的实时追踪。 ... 基于以上工作,本文实现了储能系统锂离子电池状态估计 精确度的提升及电池故障的有效控制。研究成果具有较强的工程实用化
2020年5月2日 · 基于分布估计算法LSSVM的锂电池SOC预测. 储能科学与技术, 2020, 9(6): 1948-1953. Wenjing CHENG, Tinglong PAN. Prediction for SOC of lithium-ion batteries by estimating the distribution algorithm with LSSVM.