← 返回
一种融合MIC-BOA-TiDE与核密度估计的锂离子电池剩余使用寿命点预测与概率预测新框架
A novel MIC-BOA-TiDE fusion framework with kernel density estimation for point and probabilistic remaining useful life prediction of lithium-ion batteries
| 作者 | Tian Peng · Zhongzheng Mo · Jie Chen · Chenghao Sun · Zhi Wang · Muhammad Shahzad Nazir · Chu Zhang |
| 期刊 | Applied Energy |
| 出版日期 | 2026年5月 |
| 卷/期 | 第 410 卷 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 机器学习 深度学习 电池管理系统BMS 可靠性分析 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 |
本文提出MIC-BOA-TiDE融合框架，结合互信息准则（MIC）、蝴蝶优化算法（BOA）与时间序列深度估计器（TiDE），并引入核密度估计实现锂离子电池剩余使用寿命（RUL）的高精度点预测与不确定性量化。
S
SunView 深度解读
该研究聚焦锂电RUL智能预测，直接支撑阳光电源PowerTitan、PowerStack等储能系统中BMS的寿命预警与健康状态管理能力。其概率化RUL输出可增强ST系列PCS在梯次利用、运维调度和质保服务中的决策可靠性。建议将该框架嵌入iSolarCloud平台，与PCS实时数据流对接，构建云端-边缘协同的电池健康诊断模块，提升大型地面/工商业储能项目全生命周期管理效能。