公开(公告)号：CN119596176A

公开(公告)日：2025-03-11

申请号：CN202411743961.1

申请日：2024-11-30

Applicant: 西安交通大学

Inventor： 陈霸东 ,  谭业宇 ,  党路娟 ,  杨勐

IPC: G01R31/387 ,  H01M10/42 ,  G01R31/367 ,  G01R31/385 ,  G01R31/388 ,  G01R31/36 ,  G06F17/11 ,  G06N7/01

Abstract: 本发明属于电池检测技术领域，涉及一种基于变分贝叶斯及多核熵UKF的电池SOC估计方法、系统和设备。本发明根据电池的内部电化学反应机理构建状态空间方程，从而描述出电池内部状态变量之间的关系，为后续的滤波估计提供必要的数学模型。基于变分贝叶斯近似方法以及最大多核相关熵准则构建无迹卡尔曼滤波器，得到新构建的无迹卡尔曼滤波器；有利于提高SOC估计的精度和实时性。根据状态空间方程结合新构建的无迹卡尔曼滤波器进行电池状态估计。通过引入变分贝叶斯近似方法和最大多核相关熵准则构建新的无迹卡尔曼滤波器，并基于该滤波器进行电池状态估计，从而实现了对电池SOC的高精度和鲁棒性估计。

公开(公告)号：CN118068195A

公开(公告)日：2024-05-24

申请号：CN202410388047.3

申请日：2024-04-01

Applicant: 西安交通大学

Inventor： 陈霸东 ,  黄子悦 ,  党路娟 ,  谢宇清 ,  窦浩文 ,  谭业宇

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明属于电池管理技术领域，涉及电池健康状态预测模型的建立方法和系统。本发明方法将所有的电池最大容量数据进行一次离群值处理得到预处理数据；利用掩藏层处理预处理数据，并将处理后的数据划分为训练数据和验证数据；通过卷积网络层处理训练数据得到卷积网络层处理数据；通过门控循环单元神经网络处理卷积网络层处理数据得到初步预测模型；将验证数据输入初步预测模型得到最优预测模型。本发明能捕捉电池数据内的区块细节信息，达到全局依赖和细节捕捉并存的效果，保证电池健康状态预测的精度。