-
公开(公告)号：CN104569835A
公开(公告)日：2015-04-29
申请号：CN201410784128.1
申请日：2014-12-16
Applicant: 北京理工大学
IPC: G01R31/36
Abstract: 本发明涉及电动汽车的动力电池管理系统。为提高估计精度，本发明提出一种估计电动汽车的动力电池的荷电状态的方法，采集动力电池的端电压、充放电电流及电池表面温度；根据其开路电压与荷电状态的对应关系解析得出开路电压模型，根据动力电池的动态电压系统输入矩阵、参数矩阵以及输出矩阵，建立其动态电压模型；对状态观测器进行时间更新和测量更新，得到系统状态的和系统状态估计误差的协方差矩阵在k时刻的先验估计值和后验估计值，循环上述更新操作，直至估计完成，得到动力电池的荷电状态SoC。采用该估计方法可将荷电状态SoC的估计精度提高到5％以内，并在动力电池的荷电状态SoC的设定值偏离其参考值时，将荷电状态SoC迅速收敛至其参考值。
-
公开(公告)号：CN113919222B
公开(公告)日：2024-07-23
申请号：CN202111175223.8
申请日：2021-10-09
Applicant: 北京理工大学
IPC: G06F30/27 , G01K13/00 , G06N3/084 , G06F119/08
Abstract: 本发明提供了一种电池组的内部温度在线计算方法，其主要基于动力电池生热模型与神经网络对电池组内部的多点温度进行计算，模型的输入为电池的外部测量点温度、电池组的各单体的端电压与电流；输出为电池组其他位置包括内部多点在内的温度值；模型对有无冷却系统的电池组均可适用。本发明提供的电池组内部温度在线计算方法在实际实施中能够较好计算出电池组内部以及每个单体电池的温度。
-
公开(公告)号：CN106842045B
公开(公告)日：2023-04-28
申请号：CN201710040588.7
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G01R31/367
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：CN112104034B
公开(公告)日：2023-04-07
申请号：CN202010960584.2
申请日：2020-09-14
Applicant: 北京理工大学
Abstract: 一种非接触式动力电池充电、加热与均衡装置，其利用非接触式动力电池充电装置中的交流电对动力电池进行交流激励加热，并利用非接触式动力电池充电装置中的接收线圈作为均衡拓扑结构的一部分，创新性地实现了一种三线圈均衡结构，使得无增加外部设备的情况下，同时解决了现有技术存在的技术问题，实现了电池均衡和加热无需增加设备，成本低，功率大，效果好。
-
公开(公告)号：CN111611750B
公开(公告)日：2022-09-23
申请号：CN202010465807.8
申请日：2020-05-28
Applicant: 北京理工大学
IPC: G06F30/27 , G06F30/25 , G06F119/08 , G06F111/06
Abstract: 本发明提供了一种应用数字孪生技术的锂离子电池充电及热管理方法，通过建立电池的数字孪生体适应电池状态、工作环境的改变情况，并针对充电或热管理策略中参数变化的短期及长期影响进行预测。结合管理目标及限制条件，优化了充电及热管理方法，从而能够实现适用于不同电池类型、不同环境下的全寿命周期充电及热管理优化。
-
Patent Agency Ranking
公开(公告)号：CN112382807B
公开(公告)日：2022-04-01
申请号：CN202011256339.X
申请日：2020-11-11
Applicant: 北京理工大学
IPC: H01M10/615 , H01M10/625 , H01M10/643 , H01M10/654 , H01M10/6571 , H01M10/058 , H01M10/052
Abstract: 一种用于低温加热的圆柱型电池结构，其采用内置加热片的圆柱型电池结构，用于给圆柱型电池低温下的加热，不占用电池模组空间，不需要对电池组箱体进行改造，有效降低了电池模组的装机质量，有利于电动汽车的轻量化；内置的加热片相较于外部安装的加热系统，更不易受到外部应力而造成损伤，提高了整个加热系统的可靠性；内置的加热片运行时的热量传递更为合理，热阻更小，传热效率大大提高，各单体均能单独加热，也有助于克服现有加热方式导致的不一致性。
-
公开(公告)号：CN113919222A
公开(公告)日：2022-01-11
申请号：CN202111175223.8
申请日：2021-10-09
Applicant: 北京理工大学
IPC: G06F30/27 , G01K13/00 , G06N3/08 , G06F119/08
Abstract: 本发明提供了一种电池组的内部温度在线计算方法，其主要基于动力电池生热模型与神经网络对电池组内部的多点温度进行计算，模型的输入为电池的外部测量点温度、电池组的各单体的端电压与电流；输出为电池组其他位置包括内部多点在内的温度值；模型对有无冷却系统的电池组均可适用。本发明提供的电池组内部温度在线计算方法在实际实施中能够较好计算出电池组内部以及每个单体电池的温度。
-
公开(公告)号：CN112379272B
公开(公告)日：2021-09-21
申请号：CN202011280497.9
申请日：2020-11-16
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/378
Abstract: 本发明提供了一种基于人工智能的锂离子电池系统荷电状态(State of charge,SOC)估计方法。该方法通过深度学习手段建立电池系统充电片段数据与荷电状态之间的关系，能够实现在充电过程的任意阶段对荷电状态进行校正。放电过程的荷电状态估计则采用安时积分进行。所提出的估计方法可以随电池系统工作状态变化自适应更新。
-
公开(公告)号：CN112379273B
公开(公告)日：2021-07-30
申请号：CN202011281459.5
申请日：2020-11-16
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明提供了一种基于人工智能的锂离子电池充电曲线重构的方法，由此可以实现电池多种状态的估计。该方法以充电片段数据作为输入，使用深度学习方法重构出完整的充电曲线，进而可从完整的充电曲线中提取电池的多种状态，包括电池的最大容量、最大能量、荷电状态、能量状态、功率状态、容量增量曲线等。所提出的电池状态估计方法可以随电池工作状态变化自适应更新。
-
公开(公告)号：CN111610448B
公开(公告)日：2021-05-04
申请号：CN202010485489.1
申请日：2020-06-01
Applicant: 北京理工大学
IPC: G01R31/367 , G01R31/392
Abstract: 一种应用数字孪生技术的锂离子电池寿命预测方法，其通过建立电池的数字孪生体，生成电池在不同工作条件下的老化轨迹，能够有效地应对电池不一致性、环境及工作条件的变化。结合机器学习模型，可以建立快速电池寿命预测模型，并实现其定期更新以应对工况及环境变化，明显克服了现有技术中所存在的不足。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.039 seconds)
