本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

团队研究方向：（1）XR与沉浸场景设计研究；（2）中国风格创新设计研究；（3）基于文化和设计驱动力的品牌战略研究。科研项目：承担国家科技部、文旅部、中宣部、教育部等国家课题多项。承担企事业横向课题几十余项。 1、痛点问题：当前，传统文化产业面临数字化转型挑战。随着时代发展，传统文化元素现代转化存在障碍，品牌力不足，市场潜力未充分挖掘。同时，互联网经济下，时尚节奏加快，传统设计样式及产品迭代效率难以快速响应市场变化和消费者需求。 2、解决方案：成果开发了“文化符号多层次数据调取系统”软件算法，实现文化符号的数字化提取和二次开发。该技术能快速生成多元化设计原型，辅助设计和样品观赏。 3、竞争优势分析：成果在文化符号快速调取和应用方面具显著优势，可降低创新成本，提高生产效率。 4、AI对文化产业作用及市场应用前景：AI技术推动文化产业创新升级，满足消费者对个性化、时尚化产品需求。项目成果应用前景广阔，文旅行业市场规模逐年提升。成果已经在辽宁朝阳喀左的紫砂产业落地应用。 5、知识产权情况：《文化符号多层次数据调取系统》等2项软件著作权，法律状态已登记。

针对分布式风光发电在配电网中的高比例接入态势，源荷存在时空不匹配特性，导致功率倒送和节点过电压等问题，面向电网网架相对薄弱地区，开展考虑风光发电不确定性的储能的选址定容研究，实现不同运行方式下储能的优化配置；提出基于有功/无功电压控制分区的新型配电系统电压控制策略，实现配电网电压的分散式与集中式协同控制，满足高渗透率风光并网场景下的电能质量要求。