-
公开(公告)号：CN112068000B
公开(公告)日：2022-03-11
申请号：CN202011034157.8
申请日：2020-09-27
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法，相对于现有技术除了以电池最高温度值作为约束外，还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况，因此本发明能够更好的反应电池的健康状态变化情况，减少容量损失，提高耐久性。此外，考虑到电流倍率会对电池的容量衰退轨迹造成影响，本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系，以容量衰退限值为约束进行持续充放电峰值电流预测，进而实现电池持续充放电峰值功率预测，对于电池的耐久性具有重要意义。
-
公开(公告)号：CN112068000A
公开(公告)日：2020-12-11
申请号：CN202011034157.8
申请日：2020-09-27
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法，相对于现有技术除了以电池最高温度值作为约束外，还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况，因此本发明能够更好的反应电池的健康状态变化情况，减少容量损失，提高耐久性。此外，考虑到电流倍率会对电池的容量衰退轨迹造成影响，本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系，以容量衰退限值为约束进行持续充放电峰值电流预测，进而实现电池持续充放电峰值功率预测，对于电池的耐久性具有重要意义。
-
公开(公告)号：CN110442901A
公开(公告)日：2019-11-12
申请号：CN201910556608.5
申请日：2019-06-25
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50 , G01R31/367 , G01R31/385
Abstract: 一种锂离子电池电化学简化模型及其参数的获取方法，涉及锂离子电池的机理模型，锂离子电池电化学简化模型为：其中，Uapp为锂离子电池的端电压；Up、Un为正负极开路电势；t为时间、t+为阳离子迁移数；ysurf和xsurf为正负极固相表面锂离子浓度；R为理想气体常数；F为法拉第常数；T为锂离子电池的工作温度；c0为电解液中的初始锂离子浓度；mp和mn为中间变量，无具体的物理意义；△c1和△c2是正、负极集流体处的锂离子浓度相对于电解液中的初始锂离子浓度c0的改变量；Rohm为锂离子电池等效的欧姆内阻；I为外电流，规定放电为正，充电为负。本发明能够实现不同钴酸锂材料电池在4C倍率及以下端电压的精确仿真。
-
公开(公告)号：CN114740365A
公开(公告)日：2022-07-12
申请号：CN202210422955.0
申请日：2022-04-21
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367
Abstract: 本发明公开了一种基于机器学习的动力电池并联支路电流估计和矫正方法，获取动态工况下的并联电池组的干路电路I，两条支路电流I1，I2以及支路电压V；利用安时积分法得到荷电状态SOCI；通过第一个BP神经网络对并联电池组支路电流进行估计，得到并联电池组支路电流估计值和除目标工况外其余动态工况估计误差EOB1和EOB2；通过第二个BP神经网络得到目标工况下两条支路电流估计值的误差和将目标工况下的支路电流估计值减去估计误差即可得到矫正后的支路电流估计值。本发明的有益效果在于：本发明首次提出对估计误差进行训练学些，形成双神经网络模型进行估计及矫正，大幅降低复杂工况下的电流估计误差。
-
公开(公告)号：CN112464571A
公开(公告)日：2021-03-09
申请号：CN202011446598.9
申请日：2020-12-11
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学(威海)
IPC: G06F30/27 , G06N3/00 , G06F111/04
Abstract: 基于多约束条件粒子群优化算法的锂电池组参数辨识方法，涉及锂离子电池组电化学模型参数辨识领域。本发明是为了解决现有只能对电池单体的行为进行辨识，不能对电池组状态整体预测的问题。步骤1、建立锂离子单体电池电化学模型；步骤2、采用激励响应法对锂离子电池单体电化学模型进行辨识，得到该模型参数值；步骤3、根据步骤2得到的模型参数值，设定锂离子电池组电化学模型的参数值范围；步骤4、采用多约束条件粒子群优化算法从设定锂离子电池组电化学模型的参数值范围中，得到锂离子电池组的模型参数向量。它用于检测锂离子电池组的状态。
-
Patent Agency Ranking
公开(公告)号：CN112083336A
公开(公告)日：2020-12-15
申请号：CN202011117166.3
申请日：2020-10-19
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/378
Abstract: 本发明提供了一种锂离子电池组电化学模型参数获取方法，其基于激励响应分析对不同个体电池在辨识工况下放电末端的电压曲线进行对比分析，估算出辨识工况下各单体电池所对应的放电容量，提取辨识工况中的搁置末端的端电压，从而辨识出不同单体电池的电化学模型基本工作过程相关参数，进而实施其他参数的获取，实现了电化学模型在电池组上的应用，同时为简化电化学模型在电池管理系统中的应用如荷电状态估计、健康状态评估等提供了技术支持。
-
公开(公告)号：CN114814593A
公开(公告)日：2022-07-29
申请号：CN202210466822.3
申请日：2022-04-29
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G06K9/62
Abstract: 本发明公开了基于闵氏距离和两步检测策略的电池组多故障诊断方法，包括以下步骤：S1、按照串‑并联交错电压测量设计布置传感器的位置，在不同的故障条件下，采集每个传感器测量的电压数据；S2、建立闵氏距离相似度计算公式；S3、根据闵氏距离相似度计算模型计算闵氏距离相似度，建立故障诊断策略；S4、建立基于阈值的能够区分出具有相似特征故障的隔离模型。本发明的有益效果在于：根据串‑并联电池组交错电压测量设计，可以有效地识别并定位出连接松脱故障、传感器故障和短路故障，无需复杂的电池模型，对数据依赖度低，计算量小。
-
公开(公告)号：CN112083336B
公开(公告)日：2022-02-01
申请号：CN202011117166.3
申请日：2020-10-19
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/378
Abstract: 本发明提供了一种锂离子电池组电化学模型参数获取方法，其基于激励响应分析对不同个体电池在辨识工况下放电末端的电压曲线进行对比分析，估算出辨识工况下各单体电池所对应的放电容量，提取辨识工况中的搁置末端的端电压，从而辨识出不同单体电池的电化学模型基本工作过程相关参数，进而实施其他参数的获取，实现了电化学模型在电池组上的应用，同时为简化电化学模型在电池管理系统中的应用如荷电状态估计、健康状态评估等提供了技术支持。
-
公开(公告)号：CN113933714A
公开(公告)日：2022-01-14
申请号：CN202111204509.4
申请日：2021-10-15
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/388 , H01M10/0525
Abstract: 基于简化电化学模型和灰色预测联合的电池容量预测方法，属于电池性能衰减预测领域，为了解决对锂离子电池性能衰减预测精度低的问题。获取锂离子电池在充放电情况下的电流数据和电化学模型参数，所述电化学模型参数包括多个电化学参数；将每个电化学参数在设定的变化范围内取多个均分值，分别代入对应的电化学模型中进行电池放电仿真，获得每个电化学参数的敏感度；从多个电化学参数的敏感度中选出高于预设敏感值的电化学参数作为关键敏感参数；利用灰色预测模型预测关键敏感参数的退化，得到关键敏感参数的预测值；将关键敏感参数的预测值代入电化学模型中模拟恒流放电至截止电压处，预测出锂离子电池的放电容量。它用于预测电池容量。
-
公开(公告)号：CN112526350A
公开(公告)日：2021-03-19
申请号：CN202011453417.5
申请日：2020-12-11
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/378
Abstract: 考虑热效应影响的锂离子电池峰值功率预测方法，涉及动力电池系统技术领域。本发明是为了解决现有利用电化学模型得到的峰值功率不准确的问题。建立锂离子电池的简化电化学模型；对锂离子电池的简化电化学模型进行参数辨识，得到辨识参数；获得锂离子电池内部变量；得到锂离子电池单体的端电压、不同时刻的电池内部温度和最大放电倍率；在初始放电倍率和最大放电倍率之间，分别找到3个临界放电倍率，从找到的3个临界放电倍率中选出最小值，并结合不同时刻锂离子电池单体的端电压平均值，得到锂离子电池峰值功率。它用于获得电池峰值功率，从而保护电池寿命。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.055 seconds)
