-
公开(公告)号：CN106980091B
公开(公告)日：2019-09-17
申请号：CN201710197030.X
申请日：2017-03-29
Applicant: 北京理工大学
IPC: G01R31/392 , G01R31/388 , G01R31/367
Abstract: 本发明提供了一种基于分数阶模型的动力电池系统健康状态估计方法，其基于分数阶模型获取电池开路电压，并进一步结合容量增量法进行健康状态的在线估计，克服了现有的动力电池寿命评估方法难以实现在线估计电池容量的问题，无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压，进一步结合容量增量法实现健康状体(SOH)的在线估计，所获取的开路电压也可以用于(SOC)标定。
-
公开(公告)号：CN109901083A
公开(公告)日：2019-06-18
申请号：CN201910256395.4
申请日：2019-04-01
Applicant: 北京理工大学
IPC: G01R31/396
Abstract: 本发明提供了一种动力电池OCV曲线在线重构方法，基于在线参数辨识和SOC估计结果，对OCV曲线进行在线重构。由于每个电池单体之间的OCV曲线存在不一致性，且随着温度的变化和电池的老化，OCV曲线也会发生变化，因此，每个电池单体的OCV曲线是未知的。传统的开路电压测试实验方法，只能得到特定单体在特定环境状态下的OCV曲线，而本发明可以根据在线参数辨识和SOC估计结果对OCV曲线进行在线重构，不仅能节省大量的实验时间，而且可以在线、及时地对OCV曲线进行局部修正。
-
公开(公告)号：CN108693478A
公开(公告)日：2018-10-23
申请号：CN201810341466.6
申请日：2018-04-17
IPC: G01R31/36
Abstract: 本发明提供了一种锂离子动力电池的漏液检测方法，能够在不打开电池箱观察的情况下准确判定短路故障是否造成了电池漏液。通过建立外部短路故障的电池模型，以及运行基于随机森林方法的分类器实现了联合漏液识别。该方法适用于电池故障诊断系统，可以为电池短路后的故障程度预测与诊断提供依据，具有运行简单、易于实现等诸多有益效果。
-
公开(公告)号：CN108544925A
公开(公告)日：2018-09-18
申请号：CN201810282001.8
申请日：2018-04-02
Applicant: 北京理工大学
Abstract: 本发明涉及电池管理系统，包括车载电池管理单元和基于电池历史数据的云计算系统组成，车载电池管理单元利用电池信息采集单元测量的电压、电流、温度进行电池模型参数辨识，利用辨识出的参数，进行状态SOC和SOE估计、基于模型参数实现多目标优化的充放电能力SOP估计、电池的短路故障检测、传感器故障检测及传感器在线标定、以及电池的自加热和热均衡功能等。利用云服务器存储量大，计算能力强的特点实现基于在线的电池容量即健康状态SOH估计，利用模型参数、SOC信息进行电池组一致性估计、剩余里程预测；对参数慢时变的内短路状态进行估计；以及利用历史充电数据进行剩余寿命预测(RUL)；并利用无线传输将计算的结果回传至车载电池管理单元。
-
公开(公告)号：CN105425154B
公开(公告)日：2018-02-06
申请号：CN201510732371.3
申请日：2015-11-02
Applicant: 北京理工大学
IPC: G01R31/36
Abstract: 本发明涉及电动汽车的车载电池管理系统的设计领域，尤其涉及一种对电动汽车的动力电池组的荷电状态进行估计的方法。为提高动力电池的荷电状态的估计精度及估计结果的可靠性，本发明提出一种估计电动汽车的动力电池组的荷电状态的方法，采集动力电池组的端电压和充放电电流，建立动力电池组的戴维宁模型、双极化模型和3阶RC网络模型，分别配合状态观测器对动力电池组的荷电状态进行估计得到和对和进行加权计算得到动力电池组的荷电状态的估计值z融,k，k时刻的加权系数w1(k)+w2(k)+w3(k)＝1。采用该估计方法估计电动汽车的动力电池组的荷电状态，估计精度较高，估计结果稳定、可靠。
-
Patent Agency Ranking
公开(公告)号：CN105425153B
公开(公告)日：2017-12-05
申请号：CN201510732030.6
申请日：2015-11-02
Applicant: 北京理工大学
IPC: G01R31/36
Abstract: 本发明涉及电动车辆的动力电池管理系统，尤其涉及动力电池管理系统估计动力电池的荷电状态的方法。为提高电动车辆的电池管理系统对动力电池的荷电状态SOC的估计精度及估计稳定性，本发明提出一种估计电动车辆的动力电池的荷电状态的方法，采集动力电池的端电压和充放电电流；建立动力电池的系统模型；采用安时积分法以及采用状态观测器CDKF、AEKF和H infinity配合系统模型分别对动力电池的荷电状态进行估计得到zk,Ah,zk,CDKF,zk,AEKF和zk,Hinf；对zk,Ah,zk,CDKF,zk,AEKF和zk,Hinf进行加权计算得到最终估计值zk，zk＝w1zk,Ah+w2zk,CDKF+w3zk,AEKF+w4zk,Hinf，加权系数w1+w2+w3+w4＝1。该估计方法采用多种方法进行估计并经加权计算得出最终的估计值，精度可达到2％以内，大部分达到1％以内，不易发散，稳定性高。
-
公开(公告)号：CN106980091A
公开(公告)日：2017-07-25
申请号：CN201710197030.X
申请日：2017-03-29
Applicant: 北京理工大学
IPC: G01R31/36
Abstract: 本发明提供了一种基于分数阶模型的动力电池系统健康状态估计方法，其基于分数阶模型获取电池开路电压，并进一步结合容量增量法进行健康状态的在线估计，克服了现有的动力电池寿命评估方法难以实现在线估计电池容量的问题，无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压，进一步结合容量增量法实现健康状体(SOH)的在线估计，所获取的开路电压也可以用于(SOC)标定。
-
公开(公告)号：CN106842045A
公开(公告)日：2017-06-13
申请号：CN201710040588.7
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G01R31/36
CPC classification number: G01R31/3651 , G01R31/3634 , G01R31/3679
Abstract: 本发明涉及一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统。使用自适应权重方法计算不同模型以不同的权重或进行模型工作模式的切换，确保输出的融合模型或选中模型在任意使用条件下均能够以最优模式工作，最终实现对关键参数和性能进行精确、可靠的预测和跟踪，提升控制性能的整体品质。通过深入分析不同电池模型在多工况、多环境、多阶段下的精度、稳定性、计算量和存储空间等性能特点，实现了在线的不断更新的多模型融合建模，解决了现有模型性能难以满足电池系统在全寿命周期和不确定动态工况和环境等内外因素下的精确预测和功能单一无法满足全部使用要求等难题。
-
公开(公告)号：CN103983920B
公开(公告)日：2016-08-24
申请号：CN201410238428.X
申请日：2014-05-30
Applicant: 北京理工大学
IPC: G01R31/36
Abstract: 本发明涉及电池技术领域。为解决现有的基于等效电路模型的动力电池管理系统中动力电池模型复杂度过高或模型精度过低，以及建模时对数据格式过度依赖的问题，本发明提出一种建立电动车辆的动力电池的模型的方法,划分待提取数据所处的荷电状态SoC区间得到N个待辨识采样区间，对待辨识采样区间设置编号m，且m＝1,2,3，……，N，并提取动力电池的充、放电电流及电压；对待辨识采样区间的增大范围增大次数λ和优化次数γ进行初始化设置；进行参数辨识并保存辨识得到的参数，辨识完成后对动力电池不同阶次的模型进行精度分析，根据需要添加误差补偿函数进行优化，进行AIC阶次评估，得到精度与复杂度最佳平衡后的模型。建模成本低，且模型精度高。
-
公开(公告)号：CN105607010A
公开(公告)日：2016-05-25
申请号：CN201610071641.5
申请日：2016-02-02
Applicant: 北京理工大学
IPC: G01R31/36
CPC classification number: G01R31/3842
Abstract: 本发明涉及电动车辆车载动力电池状态估计领域，尤其涉及一种对电动车辆的动力电池的健康状态进行估计的方法。为解决现有技术中对动力电池的健康状态进行估计时，估计精度低且不稳定，耗时长且工作量大，估计成本高且估计结果对动力电池的荷电状态－开路电压的对应关系及等效电路模型的准确性依赖过强的问题，本发明提出一种估计电动车辆的动力电池的健康状态的方法，采集动力电池的实测端电压V0和充放电电流I，及动力电池在电量充满电状态下的开路电压V100％SoC和电量放光电状态下的开路电压V0％SoC；建立动力电池的等效电路模型，辨识出动力电池的储电电容Cb的估计值根据估计得出动力电池的最大可用容量Ccap的估计值该方法计算简单，计算量小，精度高，适用性强。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.043 seconds)
