锂离子电池储能安全管理中的机器学习方法综述.pdf
第 50 卷 第 24 期 电力系统保护与控制 Vol.50 No.24 2022 年 12月16 日 Power System Protection and Control Dec. 16, 2022 DOI: 10.19783/ki.pspc.221772 锂离子电池储能安全管理中的机器学习方法综述 蔡 涛，张钊诚，袁奥特，史致远，张博涵 (强电磁工程与新技术国家重点实验室(华中科技大学)，湖北 武汉 430074) 摘要：随着当前电化学储能技术的广泛应用，电池储能电站的安全运维问题日渐突出。传统电池管理系统仅能获 得各电池单体的电压、电流及温度，并且受限于硬件处理能力、数据传输带宽及延迟等条件，掌握海量电池单体 储能系统的健康与安全运行状态成为关键技术难题。机器学习方法在锂离子电池运行状态预测领域的应用为储能 电池系统安全管理创造了条件。针对锂离子电池安全管理需求，首先对锂离子电池滥用及热失控风险机理的相关 研究进行了介绍。随后，讨论了锂离子电池管理系统架构及其应用特点，并详细论述了机器学习方法在锂离子电 池健康与安全状态分析方面的应用。最后，对储能电站锂离子电池的安全管理进行了展望。 关键词：锂离子电池储能；电池健康与安全；机器学习 Review of machine learning for safety management of li-ion battery energy storage CAI Tao, ZHANG Zhaocheng, YUAN Aote, SHI Zhiyuan, ZHANG Bohan (State Key Laboratory of Advanced Electromagnetic Engineering and Technology (Huazhong University of Science and Technology), Wuhan 430074, China) Abstract: Currently the widespread application of electrochemical energy storage technology raises prominent concern on the safety operations of battery energy storage station. The traditional battery management system (BMS) can only support measurement of battery cell’s voltage, current and temperature. And due to limited hardware processing power, data bandwidth and network time delay, it is a key technical problem to master the healthy and safety of battery energy storage system with a large number of battery cells. The application of machine learning for lithium battery state prediction enables better safety management of battery energy storage system. For lithium-ion battery safety ma
相关知识
电动汽车锂离子动力电池健康状态估计方法研究.pdf
锂离子电池健康评估和寿命预测综述
界面优化提高锂离子电池性能及锂离子电池产业化过程技术研究
电动工具锂离子电池几个安全测试方法.pptx
多类型锂离子电池组管理系统的健康状态和剩余寿命预测方法.pdf
锂离子电池安全状态评估研究进展
储能大会：锂电池健康管理与故障诊断
基于机器学习的锂离子电池健康状态与剩余寿命预测
锂离子电池健康评估及剩余使用寿命预测方法研究.pptx
锂离子电池健康状态估计及剩余寿命预测研究
网址: 锂离子电池储能安全管理中的机器学习方法综述.pdf https://m.trfsz.com/newsview1391795.html
