公开(公告)号：CN114924192A

公开(公告)日：2022-08-19

申请号：CN202210556458.X

申请日：2022-05-20

Applicant: 重庆理工大学 ,  哈尔滨工业大学(威海)

Inventor： 汤爱华 ,  于全庆 ,  龙胜文 ,  伍心雨 ,  张志刚

IPC: G01R31/367 ,  G01R31/396 ,  G01R31/385 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明具体涉及基于神经网络的并联电池组安全预警方法，包括：构建支路电流预测模型，包括具有稀疏概率多头自注意力层的编码器和解码器；稀疏概率多头自注意力层具有自注意力蒸馏机制；编码器和解码器的输入相互独立，且编码器的输出连接至解码器中；采集并联电池组的实测数据，构建支路电流预测模型的训练数据集；通过训练数据集训练支路电流预测模型；将待测并联电池组的电池组特征数据输入经过训练的支路电流预测模型中，输出两条支路的预测电流，基于两条支路的预测电流判断并联电池组是否存在安全风险。本发明能够在面对大量训练数据时提高预测模型的训练效率和预测准确性，从而能够提高并联电池组的安全预警效果。

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)

Inventor： 于全庆 ,  刘玉坤 ,  金鑫 ,  龙胜文 ,  李俊夫 ,  王大方

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：CN114740357A

公开(公告)日：2022-07-12

申请号：CN202210278251.0

申请日：2022-03-21

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  金鑫 ,  刘玉坤 ,  龙胜文 ,  李建明

IPC: G01R31/367 ,  G01R31/396

Abstract: 本发明公开了一种并联电池组支路电流、荷电状态和功率状态的联合估计方法，该方法先获取并联电池组的支路电流，建立电池的等效电路模型，同时，将估计出的支路电流和端电压作为输入，利用带遗忘因子的递推最小二乘法辨识模型参数，在扩展卡尔曼滤波中加入可随残差变化的自适应遗忘因子来估计荷电状态，并进行荷电状态和端电压约束下的功率状态估计。本发明考虑到了锂离子电池单体间不一致性对支路电流的影响，可随残差变化的自适应遗忘因子也提高了扩展卡尔曼滤波的对不同环境的适应性，从而提高了支路电流、荷电状态和功率状态估计精度。

公开(公告)号：CN114740365B

公开(公告)日：2024-12-06

申请号：CN202210422955.0

申请日：2022-04-21

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  刘玉坤 ,  金鑫 ,  龙胜文 ,  李俊夫 ,  王大方

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#imgabs0#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#imgabs1#和#imgabs2#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：CN115469226B

公开(公告)日：2024-08-20

申请号：CN202210913103.1

申请日：2022-08-01

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  龙胜文 ,  伍心雨 ,  汤爱华

IPC: G01R31/367 ,  G01R31/389 ,  G01R31/396

Abstract: 本发明公开了一种基于运行大数据的电动汽车动力电池实时安全预警方法，包括以下步骤：S1、数据读取，读取动力电池过往历史数据的总电流、总SOC、以及单体电压；S2、数据清洗，针对缺失数据、重复值数据、错误数据进行清洗；S3、数据分析，提取不同充电时刻的电压值，建立OCV‑SOC曲线；S4、参数辨识，通过拟合得到的OCV‑SOC曲线，对实时采集数据利用Rint模型进行参数辨识，得到充电段的直流内阻和放电段的直流内阻；S5、安全预警，对充电片段内阻和放电片段内阻进行预警。本发明的有益效果在于：基于内阻信息提出的时间空间双维度安全预警方法即能有效诊断出发生故障的具体时间，还能诊断出现故障的具体电池单体，有效的实现电池系统安全精确预警。

公开(公告)号：CN114814593B

公开(公告)日：2024-06-11

申请号：CN202210466822.3

申请日：2022-04-29

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  李建明 ,  龙胜文 ,  金鑫 ,  李俊夫 ,  王大方

IPC: G01R31/367 ,  G06F18/22

Abstract: 本发明公开了一种两步检测策略的电池组多故障快速诊断方法，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：CN113671380A

公开(公告)日：2021-11-19

申请号：CN202110968446.3

申请日：2021-08-23

Applicant: 哈尔滨工业大学(威海) ,  威海天达汽车科技有限公司

Inventor： 于全庆 ,  万长江 ,  金毅 ,  王大方 ,  张齐 ,  杨博文 ,  李宪营 ,  孙旭 ,  陈仕钦 ,  李建明 ,  龙胜文

IPC: G01R31/367

Abstract: 本发明提供一种基于深度学习的动力电池系统多故障诊断方法，包括故障检测和故障隔离两部分，故障检测针对电池故障早期预警问题，使用编码解码架构的深度学习模型，编码过去一段时间窗口内所测端电压、电流和温度序列，利用之后的电流和温度实测值解码出同步的端电压，与实测对比生成残差序列，经软阈值处理后由多级报警评估策略决定是否触发报警，该报警策略能消除误差波动，防止误报警。之后训练故障隔离深度学习模型，输入软阈值处理后的残差序列，隔离模型输出各故障是触发报警诱因的概率，进而隔离出各故障，从而简化了隔离各传感器故障类型的难度。