公开(公告)号：CN113156321B

公开(公告)日：2023-06-20

申请号：CN202110451676.2

申请日：2021-04-26

Applicant: 中国矿业大学

Inventor： 周娟 ,  王梅鑫 ,  林加顺 ,  杨晓全 ,  孙啸 ,  徐高祥 ,  钊翔坤

IPC: G01R31/388 ,  G01R31/367 ,  G01R31/36 ,  G01R31/378 ,  G01R31/389 ,  G01R31/00

Abstract: 本发明公开一种锂离子电池荷电状态的估算方法，包括以下步骤：S1、建立锂离子电池的等效电路模型,采集开路电压数据与荷电状态数据,基于所述等效电路模型,获取不同状态下的电池模型参数；S2、基于基尔霍夫定律，通过所述等效电路模型和所述电池模型参数，得到模型状态空间方程；S3、基于所述模型状态空间方程，通过鲁棒自适应有限差分卡尔曼滤波法对锂离子电池荷电状态进行估算。本发明能够避免对Jacobian矩阵的计算，实时调整过程噪声协方差，并对观测值进行重构，提高算法估算荷电状态的精度，收敛速度以及对非高斯分布测量噪声的鲁棒性。

公开(公告)号：CN115248384A

公开(公告)日：2022-10-28

申请号：CN202210729569.6

申请日：2022-06-24

Applicant: 中国矿业大学

Inventor： 周娟 ,  杨晓全 ,  林加顺 ,  吴乃豪 ,  杨子朝

IPC: G01R31/367 ,  G01R31/385

Abstract: 本发明公开了一种改进的OCV‑SOC曲线拟合及参数辨识方法及系统，包括：获取第一OCV‑SOC曲线、静置点数据；以静置点数据作为约束，将所述第一OCV‑SOC曲线分段插值至对应SOC区间的静置点数据中，得到修正后连续数据点；对修正后连续数据点进行分段拟合，获取第二OCV‑SOC曲线；建立二阶Thevenin等效电路模型，采用融合约束条件的卡尔曼滤波算法对所述二阶Thevenin模型进行参数辨识。本发明通过采用静置法和涓流法相结合获得OCV‑SOC插值曲线，并将其应用于融合约束条件的卡尔曼滤波算法中进行模型参数辨识，具有更高的精度和抗噪声能力。

公开(公告)号：CN115144764A

公开(公告)日：2022-10-04

申请号：CN202210746253.8

申请日：2022-06-28

Applicant: 中国矿业大学

Inventor： 周娟 ,  杨晓全 ,  林加顺 ,  吴乃豪 ,  王梅鑫

IPC: G01R31/382

Abstract: 本发明公开了一种基于磷酸铁锂电池的荷电状态估算方法，包括以下步骤：建立锂离子电池的二阶RC等效电路模型；获取电池模型状态空间方程；双卡尔曼滤波更新欧姆内阻；使用梯度下降法更新融合算法中的滑模观测器增益；使用融合双卡尔曼滤波算法的滑模观测器算法进行状态变量最优估计值的更新，加入独立的补偿增益环节提高算法的收敛速度。本发明通过在滑模观测器算法中融合双卡尔曼滤波算法，能够降低算法对于模型的依赖程度，提高算法鲁棒性。

公开(公告)号：CN114818601A

公开(公告)日：2022-07-29

申请号：CN202210488832.7

申请日：2022-05-06

Applicant: 中国矿业大学

Inventor： 周娟 ,  林加顺 ,  杨晓全 ,  吴乃豪 ,  王梅鑫 ,  原亚雷

IPC: G06F30/398 ,  G01R31/367 ,  G01R31/388 ,  G06F111/04

Abstract: 本发明公开了一种锂离子电池三阶RC等效电路模型参数辨识方法，包括：建立锂离子电池的三阶RC等效电路模型；获取锂离子电池开路电压Uoc与SOC间的关系；采用新型参数辨识工况对锂离子电池进行测试，获取锂离子电池测试数据；根据锂离子电池测试数据，使用基于特定约束条件的递推最小二乘法辨识电池模型参数。本发明通过在新型参数辨识工况下获取特定约束条件，基于特定约束条件使用递推最小二乘法辨识三阶RC等效电路模型参数，能够降低辨识难度，并且准确辨识模型参数；相比使用递推最小二乘法基于HPPC测试数据辨识构建的二阶等效电路模型，本发明构建的电池模型具有更高的模型精度。

公开(公告)号：CN113093020B

公开(公告)日：2022-07-12

申请号：CN202110362459.6

申请日：2021-04-02

Applicant: 中国矿业大学

Inventor： 周娟 ,  王梅鑫 ,  林加顺 ,  杨晓全 ,  孙啸 ,  原亚雷 ,  钊翔坤

IPC: G01R31/378 ,  G01R31/367 ,  G01R31/392 ,  G01R31/388

Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法，属于锂离子电池技术领域。具体步骤如下：采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据，提取其中的残差容量数据反应电池老化趋势，避免电池老化的容量再生现象对剩余使用寿命预测的影响；对提取的残差容量数据进行归一化，训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积，若出现误差累积，采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量，获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命，同时检测预测是否发生严重误差累积，并进行修正。

公开(公告)号：CN113093020A

公开(公告)日：2021-07-09

申请号：CN202110362459.6

申请日：2021-04-02

Applicant: 中国矿业大学

Inventor： 周娟 ,  王梅鑫 ,  林加顺 ,  杨晓全 ,  孙啸 ,  原亚雷 ,  钊翔坤

IPC: G01R31/378 ,  G01R31/367 ,  G01R31/392 ,  G01R31/388

Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法，属于锂离子电池技术领域。具体步骤如下：采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据，提取其中的残差容量数据反应电池老化趋势，避免电池老化的容量再生现象对剩余使用寿命预测的影响；对提取的残差容量数据进行归一化，训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积，若出现误差累积，采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量，获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命，同时检测预测是否发生严重误差累积，并进行修正。