典型文献
锂离子电池储能安全管理中的机器学习方法综述
文献摘要：
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.
文献关键词：
锂离子电池储能;电池健康与安全;机器学习
中图分类号：
作者姓名：
蔡涛;张钊诚;袁奥特;史致远;张博涵
作者机构：
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
文献出处：
引用格式：
[1]蔡涛;张钊诚;袁奥特;史致远;张博涵-.锂离子电池储能安全管理中的机器学习方法综述)[J].电力系统保护与控制,2022(24):178-187
A类：
电池健康与安全
B类：
锂离子电池储能,储能安全,机器学习方法,方法综述,电化学储能技术,电池储能电站,安全运维,电池管理系统,受限于,处理能力,数据传输,传输带宽,储能系统,技术难题,运行状态预测,储能电池系统,系统安全管理,锂离子电池安全,管理需求,热失控,失控风险,风险机理,管理系统架构,应用特点,细论,安全状态,状态分析
AB值：
0.266157
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
