博士后（储能方向）

反馈快

科研领域：
1、工商业储能的 AI 热失控预警算法。利用深度学习和机器学习技术，通过实时监测储能系统的温度、电压、电流等参数，并通过建立模型来识别异常模式和异常趋势，以提前预警可能的热失控风险。一旦发现异常情况，系统将立即发出警报，并通过智能化的决策支持系统提供相应的处理建议，帮助运维人员及时采取措施，避免潜在的安全隐患。
该算法用于显著提高工商业储能系统的安全性和可靠性，降低潜在事故风险，并为储能设施的持续稳定运行提供强有力的技术支持。同时，通过不断积累和分析数据，该算法还可以不断优化预警模型，提高预警准确性和可靠性，为工商业储能的发展和应用提供更加可靠的技术保障。
2、全生命周期磷酸铁锂SOX算法。针对磷酸铁锂电池，旨在实现对电池充放电状态和健康状况的精准监测与评估。通过对电池全生命周期内的充放电过程进行数据采集和分析，结合先进的数学建模和人工智能技术，提供行业高效准确的SOX估算算法。
3、新工商业储能直流侧绝缘检测技术。研发新一代的直流侧绝缘检测方法，结合非绝缘PCS引入电网的特点和影响因素，重新设计硬件、算法逻辑和参数配置。新方法需要考虑到电网的影响，提高对直流侧绝缘状态变化的敏感度和准确性，确保及时发现潜在的绝缘故障隐患，从而有效保障储能系统的安全运行。
期待解决的技术难点：
1、一般的深度学习算法体量较大，难以集成到工商储本地系统的实际应用难题；
2、由于电芯内部化学反应难以监测，电芯热失控难以预测的技术难题；
3、锂电池全生命周期SOX估计的数据需求量过大，需要长期的测试时间、大量的测试样本的应用难题；
4、非绝缘PCS引入了电网的影响，使现有的直流侧绝缘检测算法失效的技术难题；
需求研究方向：
1、电化学储能专业
2、AI 计算专业
3、电子电力

科研领域：
1、工商业储能的 AI 热失控预警算法。利用深度学习和机器学习技术，通过实时监测储能系统的温度、电压、电流等参数，并通过建立模型来识别异常模式和异常趋势，以提前预警可能的热失控风险。一旦发现异常情况，系统将立即发出警报，并通过智能化的决策支持系统提供相应的处理建议，帮助运维人员及时采取措施，避免潜在的安全隐患。
该算法用于显著提高工商业储能系统的安全性和可靠性，降低潜在事故风险，并为储能设施的持续稳定运行提供强有力的技术支持。同时，通过不断积累和分析数据，该算法还可以不断优化预警模型，提高预警准确性和可靠性，为工商业储能的发展和应用提供更加可靠的技术保障。
2、全生命周期磷酸铁锂SOX算法。针对磷酸铁锂电池，旨在实现对电池充放电状态和健康状况的精准监测与评估。通过对电池全生命周期内的充放电过程进行数据采集和分析，结合先进的数学建模和人工智能技术，提供行业高效准确的SOX估算算法。
3、新工商业储能直流侧绝缘检测技术。研发新一代的直流侧绝缘检测方法，结合非绝缘PCS引入电网的特点和影响因素，重新设计硬件、算法逻辑和参数配置。新方法需要考虑到电网的影响，提高对直流侧绝缘状态变化的敏感度和准确性，确保及时发现潜在的绝缘故障隐患，从而有效保障储能系统的安全运行。
期待解决的技术难点：
1、一般的深度学习算法体量较大，难以集成到工商储本地系统的实际应用难题；
2、由于电芯内部化学反应难以监测，电芯热失控难以预测的技术难题；
3、锂电池全生命周期SOX估计的数据需求量过大，需要长期的测试时间、大量的测试样本的应用难题；
4、非绝缘PCS引入了电网的影响，使现有的直流侧绝缘检测算法失效的技术难题；
需求研究方向：
1、电化学储能专业
2、AI 计算专业
3、电子电力