Direct Continuous-Time LPV System Identification of Li-ion Batteries via L1-Regularized Least Squares
针对锂离子电池参数随SOC变化及OCV非线性依赖问题,提出连续时间LPV辨识方法,用B样条建模参数变化,联合辨识参数与OCV-SOC映射,实验验证优于传统RLS方法。
2025-09-25 cs.SY eess.SY
Performance Analysis of Empirical Open-Circuit Voltage Modeling in Lithium Ion Batteries, Part-1: Performance Measures
本文作为系列论文第一部分,分析了OCV-SOC建模误差对电池管理系统的影响,探讨了电芯差异、温度、老化等多种不确定性来源,并提出可集成至系统以提升安全性与可靠性的不确定性模型。
2023-06-28 cs.SY eess.SY
Effect of State of Charge Uncertainty on Battery Energy Storage Systems
电池储能系统(BESS)为电网提供了许多好处,包括稳定性,备用电源以及引入更多清洁能源的灵活性。随着BESS渗透率的增长,电池荷电状态(SOC)估计的不确定性的知识对于规划最佳BESS功率注入轨迹至关重要。本文提出了一种基于电池休息时间的SOC估计不确定性量化框架。对一个电力系统储能系统参与频率调节市场的不确定性进行了分析。
2022-08-04 cs.SY eess.SY
Improving Energy Management of Hybrid Electric Vehicles by Considering Battery Electric-Thermal Model
提出了一种用于并联式混合动力汽车的离线能量管理系统。在电动机(EM)和内燃机(ICE)之间分配扭矩需要合适的EMS。电池对混合动力汽车至关重要,并显著影响整体车辆成本和性能。高温和高电池荷电状态(SOC)是加速电池老化的主要因素。SOC是EMS中最关键的状态变量,在以往的研究中通常被认为是唯一的动态变量。为了简单起见,通常假设电池温度恒定,而EMS对温度变化的影响被忽略。在本文中,我们首先应用动态规划(DP)的PHEV不考虑电池温度的变化。然后,通过对冷却系统进行建模来改进电池模型,以考虑温度变化,并显示在EMS中忽略电池的热动力学是不切实际的。最后,通过将电池温度作为状态变量集成到优化问题中,提出了一种新的EMS来控制电池温度和SOC变化。仿真结果表明,该方法能够有效地控制蓄电池的充电和温度。所提出的EMS方法防止电池温度的不受控制的波动,并降低其劣化率。
2023-02-25 cs.SY eess.SY
Cell-Level State of Charge Estimation for Battery Packs Under Minimal Sensing
该手稿提出了一种用于在最小感测下在大规模电池组中估计单个锂离子(Li离子)电池单元荷电状态(SOC)的算法,其中仅测量组级电压和电流。对于由电动车辆或固定能量存储应用中的多达数千个电池组成的电池组,期望在没有电池局部测量的情况下估计单个电池SOC,以便降低感测成本。在数学上,纯串联连接的电池在经典的全电压感测下产生由常微分方程给出的动态。相比之下,并联-串联连接的电池组显然更具挑战性,因为动力学由非线性微分代数方程(DAE)系统控制。大多数关于电池组的SOC估计的常规研究受益于将电池组理想化为集总单个电池,这最终失去了对电池级条件的跟踪,并且对电池级过充电和过放电的潜在风险视而不见。这项工作明确建模的电池组具有高保真度的电池分辨率的基础上互连的单电池模型,并检查电池级状态的可观测性,只有包级测量。基于DAE的状态观测器与线性输出误差注入制定,其中单个电池的SOC和电流可以重建从最小数量的包检测。利用系统非线性项的局部Lipschitz连续性,建立了微分和代数状态估计的数学保证渐近收敛性。石墨/NMC电池的仿真结果说明了电池SOC、电流和电压的收敛。
2021-09-17 cs.SY eess.SY
Residual Bias Compensation Dual Extended Kalman Filter for Physics-Based SOC Estimation in Lithium Iron Phosphate Batteries
Hasselt University (UHasselt)(荷语哈瑟尔特大学);VITO(佛兰玛研究所);EnergyVille(能源村);Fuyao University of Science and Technology(福耀科技大学)
针对磷酸铁锂电池平坦OCV-SOC特性导致的可观测性差问题,提出残差偏置补偿双扩展卡尔曼滤波器,解耦偏置与状态估计,将SOC RMSE从3.75%降至0.20%,显著提升宽温域估计精度。
2026-10-06 cs.SY eess.SY
Electrode SOC and SOH estimation with electrode-level ECMs
针对传统等效电路模型无法预测电池老化相关变量的问题,提出基于电极级ECM的电极级SOC与SOH估计方法,可估计双电极锂化状态、更新健康参数并获取衰减模式信息,经仿真与实验验证有效。
2024-10-22 cs.SY eess.SY
On-board monitoring of 2-D spatially-resolved temperatures in cylindrical lithium-ion batteries: Part II. State estimation via impedance-based temperature sensing
Department of Engineering Science, University of Oxford(牛津大学工程系)
本文提出基于阻抗温度传感的2D温度场估计方法,利用参数化二维谱伽辽金模型和EKF,通过单个驱动循环数据实现快速校准,提升锂离子电池温度分布估计精度。
2016-06-06 cs.SY eess.SY
FPGA Based SoC Estimator and Constant Current Charging/Discharging Controller for Lead-Acid Battery
充电状态(SoC)和充电/放电电流的速率是与电池相关联的重要参数,通过这些参数可以估计电池的准确运行时间。本文旨在设计一个控制器,它包括一个现场可编程门阵列,背靠背连接的DC-DC转换器,和一个电阻触摸显示器的图形用户界面(GUI)。控制器估计SoC并执行电池的恒定电流充电或放电。GUI的实现是输入用户提供的参考充/放电电流,并显示SoC。本研究深入研究电池,并通过混合脉冲功率特性测试获得其内部参数。该控制器在可再生能源系统、电池测试系统、智能住宅能源管理系统、微电网等领域有着广泛的应用。
2020-02-15 cs.SY eess.SP eess.SY
Voltage-Based State of Charge Correction at Charge-End
提出了一种基于电压的方法来校正充电端电池组荷电状态(SOC)估计。两个主要特征使得充电结束时间跨度成为校正SOC估计的良好机会:首先,容易检测电池何时处于充电的最后阶段,因为充电曲线对于BMS设计者是已知的,并且在充电结束时间跨度期间,电流量低,并且电池单元的端子电压高;第二,当电池到达充电结束阶段时,我们知道真正的SOC接近100%。本文提出了一种方法,利用这些重要的功能,以纠正SOC估计误差。该算法采用电压阈值法检测电池何时接近充电结束,启动充电结束SOC校正策略。一旦激活,该策略使用最大电池电压校正SOC,以保证充电完成时SOC为100%。校正量是最大电池电压和充电电流C-rate的函数。
2022-01-07 cs.SY eess.SY
Relax, Estimate, and Track: a Simple Battery State-of-charge and State-of-health Estimation Method
本文提出一种通过充电中短暂置零电流来估计电池SOC和SOH的简单方法,无需超参数微调且速度快数百倍,实验验证SOH RMSE约3%、SOC RMSE约1.5%。
2025-06-06 cs.SY eess.SY
Real-time Operation Optimization of Microgrids with Battery Energy Storage System: A Tube-based Model Predictive Control Approach
电池储能系统(ESS)广泛应用于微电网,以补充高可再生能源。然而,含电池储能系统的微电网实时能量管理面临两个方面的挑战:1)电池能量水平的演化过程是跨时间耦合的; 2)可再生能源发电量预测过程中不可避免地会出现不确定性。针对含电池储能系统的微电网实时能量管理问题,提出了一种基于管模型的模型预测控制(MPC)方法。首先,针对电池储能系统,建立了包含电池退化代价和时间感知SoC范围的电池实时运行模型,描述了电池的“浅廉价”特性,满足终端SoC需求。其次,在所提出的基于管道的MPC中设计了两个级联的MPC控制器,其中名义MPC在不存在不确定性的情况下生成参考轨迹,辅助MPC在实现不确定性时将实际轨迹引导到名义轨迹。具体而言,在本文中,电池SoC被视为系统的状态变量,而发电机的功率输出和与公用事业交换功率被视为控制变量。最后,许多案例研究表明,所提出的方法,包括低和高渗透水平的可再生能源的有效性。连续365天的Monte Carlo模拟结果表明,该方法的竞争比优于1.10。
2021-04-10 cs.SY eess.SY
SOC-Boundary and Battery Aging Aware Hierarchical Coordination of Multiple EV Aggregates Among Multi-stakeholders with Multi-Agent Constrained Deep Reinforcement Learning
本研究提出一种基于安全多智能体约束深度强化学习和权益证明算法的分层多利益相关者V2G协调策略,旨在优化DSO、EVA和EV用户的收益,同时增强可再生能源整合、减轻负荷波动并降低充电成本和电池退化。
2024-07-14 cs.SY eess.SY
Online SOC Estimation of Lithium-ion Battery Based on Improved Adaptive H Infinity Extended Kalman Filter
本文提出遗忘因子递归最小二乘法与改进自适应H无穷扩展卡尔曼滤波的联合算法,用于锂离子电池在线参数辨识和SOC估计,并在两种工况下验证了其优于对比方法的精度与稳定性。
2023-04-16 cs.SY eess.SY
State of Charge Estimation of Parallel Connected Battery Cells via Descriptor System Theory
这篇手稿提出了一种算法,用于单个锂离子(Li离子)电池的充电状态(SOC)估计时,多个电池并联连接,仅使用端电压和总电流测量。对于由数千个电池组成的电池组,期望通过仅监测总电流来估计各个SOC,以便降低感测成本。在数学上,串联连接的电池在经典的全电压感测下产生由常微分方程给出的动态。相比之下,并联连接的电池显然更具挑战性,因为动态由非线性广义系统控制,包括由电池之间的电压和电流平衡引起的微分方程和代数方程。线性输出误差注入的观测器制定,其中单个电池SOC和本地电流是本地可观察的总电流和电压测量。通过考虑系统非线性项的局部Lipschitz连续性,建立了微分状态和代数状态的渐近收敛性。对LiNiMnCoO $_2$ /Graphite(NMC)电池的模拟结果说明了SOC、局部电流和端子电压的收敛。
2020-03-17 cs.SY eess.SY
Implementation of an Improved Coulomb-Counting Algorithm Based on a Piecewise SOC-OCV Relationship for SOC Estimation of Li-IonBattery
LATIS-Laboratory of Advanced Technology and Intelligent Systems, ENISo, Sousse University(拉蒂斯先进技术与智能系统实验室,ENISO,苏斯大学);National School of Engineering of Monastir, Monastir University(莫纳斯蒂尔国立工程学院,莫纳斯蒂尔大学);IntelliBatteries/Yaslamen, Technopole of Sousse(IntelliBatteries/Yaslamen,苏斯科技园区)
本文提出一种改进的库仑计数算法,通过分段SOC-OCV关系和定期校准提高锂离子电池SOC估计精度,实验结果表明误差小于2%。
2018-03-27 cs.SY eess.SY
LiFePO4 Battery SOC Estimation under OCV-SOC Curve Error Based onAdaptive Multi-Model Kalman Filter
针对磷酸铁锂电池OCV-SOC曲线长平台区导致SOC估计对曲线误差敏感的问题,提出自适应多模型卡尔曼滤波方法,可动态调整滤波参数并选优,实现高精度鲁棒SOC估计,误差较传统方法低10%以上。
2024-10-31 cs.SY eess.SY
Koopman Spectral Analysis of Lithium-Ion Battery Dynamics: State of Charge as a Marginally Stable Observable
Dynamical Systems and Signals Lab (DSSL), Department of Mechanical Engineering, South Dakota State University(南达科他州立大学机械工程系动力系统与信号实验室)
研究锂离子电池SOC估计难题,提出基于柯普曼理论、数据驱动的框架,用DMDc结合汉克尔时延嵌入,直接从测量数据重建动态状态空间,通过谱分解揭示内在动力学,将SOC动力学作为边际稳定模式,其模态坐标用作SOC敏感可观测量。
2026-07-10 cs.SY eess.SY
Continuous-Time System Identification and OCV Reconstruction of Li-ion Batteries via Regularized Least Squares
Delft Center for Systems and Control, Delft University of Technology(代尔夫特系统与控制中心,代尔夫特理工大学)
本文提出一种连续时间正则化最小二乘方法,直接从采样数据辨识锂离子电池参数,并联合估计OCV-SOC曲线,避免离散化误差,无需离线测试,仿真和实测验证有效。
2025-09-25 cs.SY eess.SY
Advancing state estimation for lithium-ion batteries with hysteresis: systematic extended Kalman filter tuning
本文针对锂离子电池SOC估计问题,提出迟滞降阶模型参数化框架与自适应扩展卡尔曼滤波调优方法,在NMC811电池上实现电压误差降低50%、SOC估计误差降低85%。
2023-11-28 cs.SY eess.SY
Impact of Thermal Variability on SOC Estimation Algorithms
本文旨在研究不同温度下锂离子电池的SOC估算问题,通过比较扩展卡尔曼滤波算法与库仑计数法,发现SOC与温度呈非线性相关,且石墨烯电池在最佳温度下SOC最高。
2023-02-25 cs.SY eess.SY
Estimating the Health and State of Charge of Each Cell in a Second-Life Battery System from Field Data
Technical University of Munich(慕尼黑工业大学);STABL Energy GmbH(STABL能源有限公司)
本研究针对梯次利用电池系统,提出基于现场数据结合高斯过程回归重构OCV曲线的框架,可联合估算电池SOH与SOC,发现了电池异质性、SOC不平衡及故障电池,且验证了其优于集中模组模型的估算精度。
2026-09-07 cs.SY eess.SY
Optimal Battery Bidding under Decision-Dependent State-of-Charge Uncertainties
ETH Zürich(苏黎世联邦理工学院)
本文研究了电池投标中荷电状态不确定性的影响,提出三种优化方法以提高投标鲁棒性,其中考虑不确定性的模型在收益和频率储备方面表现最佳。
2026-07-15 cs.SY eess.SY
DIICAN: Dual Time-scale State-Coupled Co-estimation of SOC, SOH and RUL for Lithium-Ion Batteries
School of Electrical Engineering, Xi’an Jiaotong University(西安交通大学电气工程学院)
电池状态的准确共同估计,例如充电状态(SOC)、健康状态(SOH)和剩余使用寿命(RUL),对于电池管理系统确保安全可靠的管理至关重要。虽然电池的外部性能随着老化程度的变化而变化,但电池的劣化机理具有相似的演化规律。由于电池是复杂的化学系统,这些状态与复杂的电化学过程高度耦合。提出了一种基于状态耦合的SOC、SOH和RUL估计方法--深度周期内和周期间注意力网络(DIICAN),将电池测量数据组织到周期内和周期间的时间尺度上。为了自动提取退化相关特征,并适应实际工况,采用了卷积神经网络。状态劣化关注单元用于提取电池状态演化模式并评估电池劣化程度。为了考虑电池老化对SOC估计的影响,将电池劣化相关状态并入SOC估计中以用于容量校准。DIICAN方法在牛津电池数据集上进行了验证。实验结果表明,该方法能够实现高精度的SOH和RUL联合估计,有效提高整个生命周期内SOC估计精度。
2022-10-20 cs.LG cs.SY eess.SY
Physics-guided residual Kalman learning for state-of-charge estimation of lithium iron phosphate batteries
VITO(维托研究所);EnergyVille(能源村);Institute for Materials Research (IUMAT), Hasselt University(哈瑟尔特大学材料研究所);College of Tianyin Lake Science and Technology Innovation, Nanjing Institute of Technology(南京工程学院天目湖学院);School of Vehicles and Intelligent Transportation, Fuyao University of Science and Technology(福耀科技大学车辆与智能交通学院);IUMAT, IMEC(IMEC-哈瑟尔特大学材料研究所)
针对磷酸铁锂电池SOC估计难题,提出物理引导的残差卡尔曼学习框架,结合扩展卡尔曼滤波与门控循环单元残差学习器,在公开数据集上实现1.19%的全局平均RMSE,较纯物理方法降低77%。
2026-06-11 cs.SY eess.SY
Real-time Battery State of Charge and parameters estimation through Multi-Rate Moving Horizon Estimator
针对电池非线性参数导致荷电状态(SOC)与参数联合估计困难的问题,提出一种结合多速率与降阶MHE的并行化鲁棒估计方法,有效实现了实时SOC与参数估计并在Simulink模型上验证。
2023-10-22 cs.SY eess.SY
Model Predictive Online Trajectory Planning for Adaptive Battery Discharging in Fuel Cell Vehicle
本文针对插电式混合动力汽车中燃料电池与电池的动态协调问题,提出一种基于迭代LQR的分层在线轨迹规划方法,使高层SOC规划器能自适应指定各驾驶段放电量,并通过数值仿真验证其有效性。
2024-09-05 cs.SY eess.SY
Multi-Interval Energy-Reserve Co-Optimization with SoC-Dependent Bids from Battery Storage
本文研究电池储能依赖荷电状态(SoC)竞价的能量-备用市场联合出清问题,通过引入竞价限制和鲁棒优化公式,将非凸不确定问题转化为凸分段线性规划,在实现大规模储能并网的同时使储能参与者利润提升28%-150%。
2024-08-24 cs.GT cs.SY eess.SY
A Neural Network-Based Energy Management System for PV-Battery Based Microgrids
提出了一种基于神经网络的分布式电源能量管理系统(NN-EMS)。随机和不均匀的辐照导致不均匀的PV输出,这导致DG的电池之间的不均匀的荷电状态(SoC)。这种影响可能会导致SoC的差异随着时间的推移而显著增加,导致一些电池达到其SoC极限。这些电池将不再能够控制形成DG的混合电网的直流链路。建议的神经网络EMS确保SoC的平衡,通过学习最佳的状态动作映射使用的最优潮流(OPF)的输出。训练数据集已通过执行基于混合整数线性规划的最优潮流为下垂的岛屿微电网考虑实际的发电负荷配置文件。所得到的NN-EMS控制器继承了最优状态和网络行为的信息。与传统的时间提前集中式方法相比,所提出的策略不需要准确的发电负荷预测。此外,它还可以响应于光伏功率的变化,在近实时,而不求助于解决一个OPF。建议的神经网络EMS控制器已通过案例研究CIGRE LV微电网包含光伏电池混合DG进行了验证。所提出的概念也可以扩展到综合分散控制器,可以相互合作,以实现一个全球性的目标,而无需通信。
2022-06-14 cs.SY eess.SY
An Adaptive Estimation Approach based on Fisher Information to Overcome the Challenges of LFP Battery SOC Estimation
本文提出基于自适应Fisher信息融合的LFP电池SOC估计方法,融合库仑计数与等效电路模型参数辨识,并构建三维OCV-H-SOC映射,在多种驾驶工况和恶劣条件下优于无迹卡尔曼滤波、LSTM和transformer。
2025-07-01 cs.SY eess.SY
Evaluation of Energy- and Capacity-Market Revenues from Lithium-ion Battery Systems for Offshore Wind Using Advanced Battery Models
使用先进的锂离子电池表示法检查了纽约ISO(NYISO)长岛节点的海上风电和储能系统的收入潜力。这些先进的混合整数线性电池模型考虑了电池的动态性能以及电池的退化行为,这在电力系统模型中通常不考虑。研究了多个混合海上风力和电池系统设计,以检查将电池定位在海上与将其定位在陆上的影响。对于所研究的系统,我们探索不同的电池可用荷电状态(SOC)窗口,以及相应的电池调度,以最大限度地提高能源和容量市场的收入。利用2010年至2013年的公开数据,评估了海上风电输出变化以及能源和容量市场价格的影响。将电池安装在岸上带来了更高的收入。对于2013年,结果强调,如果没有准确的电池表示,模型可以高估电池收入高达155%,主要是由于退化相关的成本。使用先进的算法,净收入可以增加29%。结果还表明,更广泛的可用SOC窗口可能会导致更高的净收入从能源市场,由于更高的套利机会,以补偿任何额外的退化相关成本在更高的DOD。兆瓦时的能量存储的附加值从每兆瓦时风能的$2 to $ 3.5变化,这导致所研究的电池系统的盈亏平衡成本范围为每千瓦时$50-$ 95。因此,能源和容量市场的收入被发现不足以收回本分析中考虑的应用的当前电池系统的投资成本。
2020-02-03 cs.SY eess.SY
Adaptive Extended Kalman Filtering for Battery State of Charge Estimation on STM32
本文提出一种基于最大似然估计协方差自适应的AEKF方法用于电池SoC估计,并通过优化窗口大小在STM32上实现了高精度、低计算量的嵌入式部署。
2025-04-08 cs.SY eess.SY
Privacy-Preserving Distributed Control for a Networked Battery Energy Storage System
University of Virginia(弗吉尼亚大学)
本文提出了一种隐私保护的分布式控制算法,用于实现联网电池储能系统的SoC平衡,通过隐私保护的估计器确保安全的功率分配和状态平衡。
2026-02-05 cs.SY eess.SY
Prespecified-time observer-based distributed control of battery energy storage systems
研究了具有多个分布式异构电池单元的电池储能系统的荷电状态(SoC)平衡和总充放电功率跟踪问题。与传统的基于渐近或有限时间分布式观测器的协同控制策略不同,提出了两种分布式预定时间观测器,分别用于估计电池单元的平均状态和平均期望功率,这两种观测器可以预先确定,且与初始状态或控制参数无关。最后通过两个仿真实例验证了所提控制策略的有效性和优越性。
2022-06-29 cs.SY eess.SY
Battery Discharge Modeling for Electric Vehicles: A Hybrid Physics-based Residual Learning Approach
Cornell University(康奈尔大学)
本文提出了一种混合物理基础残差学习方法,用于提高电动汽车电池放电建模的准确性,通过结合物理模型和神经网络残差学习,有效降低误差并保持物理可解释性。
2026-03-02 cs.SY eess.SY
Balancing SoC in Battery Cells using Safe Action Perturbations
Indian Institute of Technology, Ropar(印度罗帕尔理工学院)
本文提出在深度强化学习智能体上叠加安全层,通过扰动充电动作避免危险状态,并学习可跨电池配置泛化的鲁棒充电策略,从而减少安全违规。
2025-03-11 cs.AI cs.LG cs.SY
A virtual sensor fusion approach for state of charge estimation of lithium-ion cells
Department of Management, Information and Production Engineering(管理、信息与生产工程系);University of Bergamo(贝拉米奥大学);Gran Sasso Science Institute(格兰·萨索科学研究所)
本文提出一种虚拟传感器融合方法,结合等效电路模型卡尔曼滤波与机器学习,通过数据驱动校准EKF噪声协方差,提升锂离子电池SOC估计精度与平滑度。
2025-08-06 cs.LG cs.SY eess.SY
Global sensitivity analysis of battery equivalent circuit model parameters
University of Oxford(牛津大学)
本文利用Morris方法研究了锂离子电池等效电路模型参数对输出电压的敏感性,发现部分参数变化对电压输出影响小,可视为常数以提高模型精度。
2016-04-05 cs.SY eess.SY
A Novel Modular, Reconfigurable Battery Energy Storage System: Design, Control, and Experimentation
提出了一种新型的模块化、可重构电池储能系统。所提出的设计的特点是一个紧密集成的可重构电源开关和DC/DC转换器。该特性使得故障单元能够与系统隔离,并且允许对单个单元进行精细的功率控制以实现最佳的系统级性能。一个最佳的电源管理方法的开发,以广泛利用所提出的设计的优点。该方法基于滚动时域凸优化,旨在最大限度地减少充电/放电过程中的总功率损失,同时根据每个电池的情况分配功率,以实现荷电状态(SoC)和温度平衡。通过适当的设计,该方法能够在整个SoC范围内调节单元的功率,并保证优化问题的可行性。我们进行了广泛的模拟,并进一步开发了一个实验室规模的原型,以验证所提出的系统设计和电源管理方法。
2023-01-12 cs.SY eess.SY
Multi-Objective Nonlinear Power Split Control For BESS With Real-Time Simulation Feedback
本文提出一种混合整数非线性多目标优化策略,结合电热联合仿真实时反馈SOC与温度,在保证功率可用性的前提下对逆变器与电池损耗进行Pareto权衡,实现BESS并联电池串的高效可靠功率分配。
2025-07-07 cs.SY eess.SY
Adaptive BESS and Grid Setpoints Optimization: A Model-Free Framework for Efficient Battery Management under Dynamic Tariff Pricing
针对住宅社区非凸BESS控制问题,提出融合奖励细化、安全机制与不确定性状态表示的改进SAC算法,在保障电池寿命的同时,较梯度优化基准缩短50%优化时间、节省40%成本。
2024-08-19 cs.SY eess.SY
Separating multiscale Battery dynamics and predicting multi-step ahead voltage simultaneously through a data-driven approach
提出一种基于序列到序列编码器-解码器的健康感知电池模型,通过无监督推断缓慢变化的退化与荷电状态,实现快速动态分离与多步超前电压预测,并在真实驾驶工况数据集上验证。
2023-10-22 cs.SY eess.SY
Battery State of Health Estimation and Incremental Capacity Analysis under Dynamic Charging Profile Using Neural Networks
University of Michigan(密歇根大学);Ford Motor Company(福特汽车公司)
本文提出基于动态充电配置的电池状态健康估计方法,利用神经网络构建虚拟增量容量和虚拟微分电压曲线,实现更广泛的电池退化监控。
2026-01-09 cs.SY eess.SY
Reconfigurable Battery Systems for Enhanced Fast Charging in Electric Vehicles
本文提出一种可重构电池系统,通过动态调整电池单元排列优化充电性能,仿真表明串联更多电池可显著缩短电动汽车充电时间且保持安全性。
2025-07-15 cs.SY eess.SY
Round-Trip Energy Efficiency and Energy-Efficiency Fade Estimation for Battery Passport
本文提出一种基于电流和荷电状态识别往返行程并生成二维效率图的算法,用于估计电池组往返能量效率,并通过多元线性回归参数化,分析3.5年公交车数据发现效率衰减达0.86个百分点。
2024-02-05 cs.SY eess.SY
Exploring Different Time-series-Transformer (TST) Architectures: A Case Study in Battery Life Prediction for Electric Vehicles (EVs)
Texas A&M University(德克萨斯农工大学)
本文针对电动汽车电池寿命预测问题,探索并提出了编码器TST+解码器LSTM及混合TST-LSTM等新型时间序列Transformer架构,利用BMW i3实际驾驶数据融合环境、电池、驾驶与加热电路多源信息,以准确预测未来SOC和电池温度。
2023-08-07 cs.LG cs.SY eess.SY
DRT-based modelling framework for Li-ion cells
正确评估电池状态对于最大限度地提高电池组性能同时确保可靠和安全运行至关重要。本文介绍了一种基于弛豫时间分布(DRT)的新型锂离子电池建模框架EIS 2 MOD。从电化学阻抗谱(EIS)和开路电压(OCV)测量出发,开发了基于物理的电路模型(ECM)。应用DRT对EIS中的电化学现象进行反卷积。所提出的方法是基于:i)从EIS的DRT计算,ii)DRT分析ECM配置和iii)模型参数提取和拟合。所提出的框架适用于大型锂离子软包电池,在整个充电状态(SoC)范围和宽温度范围(-10 ° C至35°C)内进行测试。已经测试了不同的电流曲线以验证模型,显示出其在再现电池单元行为方面的高精度(例如,对于可变温度和SoC下的驾驶循环模拟,电池端子电压的RMSE低于1.50%)。EIS 2 MOD的另一个优点是其计算负载轻,从而为电池管理系统的实现提供了一个有吸引力的框架。
2022-03-16 cs.SY eess.SY
Scalable Optimal Power Management for Large-Scale Battery Energy Storage Systems
针对大规模电池储能系统最优功率管理计算难度高的问题,提出基于电芯聚类的可扩展方法,通过簇级滚动时域优化分配功率配额,大幅降低计算开销且经仿真和实验验证有效。
2023-11-06 cs.SY eess.SY
State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks
Polytechnic School of the University of São Paulo(圣保罗大学工学院)
本文介绍了两个分别具有两个和四个隐藏层的深度前向网络,它们使用K折交叉验证方法在给定温度下对Panasonic 18650 PF锂离子(Li-ion)电池的驱动循环进行建模,以估计电池的荷电状态(SOC)。驾驶循环功率曲线是针对具有针对单个18650 PF电池缩放的35 kWh电池组的电动卡车计算的。我们提出了一种机器学习工作流程,在开发用于SOC估计的深度学习模型时能够对抗过拟合。这项工作的贡献是提出了一种为锂离子电池构建深度前向网络及其性能评估的方法,该方法遵循机器学习的最佳实践。
2020-09-20 cs.LG cs.SY eess.SP
Price Aware Power Split Control in Heterogeneous Battery Storage Systems
本文提出一个统一框架,整合价格信号与物理约束以优化BESS外部调度与内部异构管理,并对比LP和RL方法,发现RL系统效率高10%且适应动态环境,LP累计节约高33%且SOC均衡更优。
2025-07-01 cs.SY eess.SY
Profit-Maximizing Planning and Control of Battery Energy Storage Systems for Primary Frequency Control
The Chinese University of Hong Kong(香港中文大学);Shenzhen Research Institute, The Chinese University of Hong Kong(香港中文大学深圳研究院);California Institute of Technology(加州理工学院)
本文提出一种双层利润最大化策略,用于电池储能系统在一次频率控制市场中的规划与控制,通过分析证明最优控制策略具有状态不变性,且可通过离线计算实现低复杂度控制,同时优化储能系统规模以平衡资本与运营成本。
2016-04-01 cs.SY eess.SY
Weather-Driven Priority Charging for Battery Storage Systems in Hybrid Renewable Energy Grids
针对可再生能源波动及电池储能分配次优、退化加速等问题,本文提出融合实时天气与负荷监测的两级优先充电算法,以提升储能系统效率、寿命及电网韧性。
2025-02-19 cs.SY eess.SY
Current and temperature imbalances in parallel-connected grid storage battery modules
University of Oxford(牛津大学);Brill Power Limited(布里尔电力有限公司)
研究并联连接电网存储电池模块中电流和温度不平衡的成因及影响,提出通过敏感性分析定义安全阈值,并探讨不同应用下鲁棒性指标的优化方法。
2026-02-07 cs.SY eess.SY
Dynamic Average Consensus with Privacy Guarantees and Its Application to Battery Energy Storage Systems
University of Virginia(弗吉尼亚大学)
本文提出一种具有隐私保护的动态平均一致性算法,用于电池储能系统的荷电状态平衡,通过掩码信号防止信息泄露并验证其有效性。
2026-03-10 cs.SY eess.SY