长安储能研究院张斌:AI应用将使BMS更智能
发布时间:2024-04-28

长安储能研究院张斌 西安交通大学教授及博士生导师,主攻智能硬件和嵌入式系统领域,发表17+篇重要论文,领导超过14项重大科研项目,并荣获2021年陕西省科技进步一等奖(第二完成人)

随着储能行业的发展,电池储能技术正逐步成为储能产业的核心技术,这一技术在高效利用新能源以及增强电力供应的可靠性方面扮演了重要角色。在这个全新的电力系统框架中,电池管理系统(BMS)承担了确保每个电池单元稳定运行的重任,涵盖监测、控制及高级管理功能。


作为储能前沿技术研究机构,长安储能研究院对电池管理系统保持着高度关注。近期,长安储能研究院张斌教授在对储能行业发展的前瞻性讨论中指出,由于人工智能技术的发展,SOC估算更加精准,电池管理系统(BMS)开始迎来新一轮的革新。

电池管理系统(BMS)的关键任务之一是检测电池的荷电状态(State of Charge, SOC),这是确保电池寿命延长及安全使用的重要指标。通过精准的SOC估算,可以防止过充及过放现象,从而延长电池的使用寿命,同时这也有助于制定电池组的均衡策略,维护整个系统的安全性和稳定性。然而,传统的估算手段,如安时积分法(Ampere-hour Integration, AHI)和开路电压法(Open-circuit Voltage, OCV),常受到传感器误差和实际工况变动的制约,这使得精准模拟电池在静态与动态工作条件下的行为成为一大挑战。虽然采用卡尔曼滤波和等效电路模型的结合可以提高精度,但在复杂实际应用中,这些传统方法仍面临局限性。

如今随着人工智能技术的加入,电池SOC的估算正在悄然发生改变。在全球范围内,研究者们正在探索和实现机器学习技术在SOC估算中的创新应用。长安储能研究院张斌认为这些创新方法的应用,将BMS优化带入了一个崭新的阶段,并通过融合大数据、物联网、云计算以及人工智能的强大联合作用,开启了电池技术进步与性能升级的全新大门。采用先进算法,如前馈神经网络、递归神经网络、支持向量机、径向基函数网络以及极限学习机的研究成果,已经显著增强了对SOC估算准确性和适应性的能力。

伴随着储能技术不断演进,对于电池SOC的准确估算需求愈发增长。长安储能研究院在战略合作伙伴长安绿电的引导下,正不遗余力地推动储能技术创新,致力于在全球储能领域实现关键性的突破,并向世界展示中国的科技实力。

联系我们