-
公开(公告)号：CN113805065B
公开(公告)日：2023-08-18
申请号：CN202111102586.9
申请日：2021-09-20
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/3835 , G01R31/396
Abstract: 一种基于余弦相似度的混联电池组多故障诊断方法，涉及车载动力电池系统故障诊断领域，采用交错电压测量设计安装电压传感器的位置，根据异常测量电压的传感器编号，判断出故障的类型和位置；利用所建立的检测模型，计算编号相邻的传感器测量电压值的余弦相似度。将所有余弦相似度的值作为故障诊断策略的输入，得出故障的类型。至此，可以区分出传感器故障、连接松脱故障和短路故障。最后，根据所提出的隔离模型，对具有相似特征的外部短路和内部短路故障，以及传感器故障中的电压冻结和随机偏差，设置不同的阈值进行隔离。本发明无需其余的计算和模型，就可以实现多种类型故障的诊断，大大简化了电池系统故障诊断的难度。
-
公开(公告)号：CN114859248A
公开(公告)日：2022-08-05
申请号：CN202210603673.0
申请日：2022-05-30
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/387 , G01R31/389 , G01R31/396 , B60L58/12 , G06T11/20 , G06F17/18
Abstract: 本发明涉及电动汽车动力电池管理技术领域，具体涉及用于电池组的温度‑OCV‑SOC响应面构建方法，包括：采集动力电池组中各个单体电池的电池特征数据，生成不同环境温度下各个单体电池的OCV‑SOC曲线；基于采集的电池特征数据对动力电池组中各个单体电池的欧姆内阻进行参数辨识；对动力电池组中各个单体电池进行不一致性分析，选择一致性最差的单体电池作为特征单体电池；基于不同环境温度下特征单体电池的OCV‑SOC曲线构建OCV‑SOC曲线簇；对OCV‑SOC曲线簇进行温度的二维插值，生成对应的温度‑OCV‑SOC三维响应面，以实现SOC估计。本发明能够准确的构建动力电池组的温度‑OCV‑SOC三维响应面，以便于基于动力电池组的温度‑OCV‑SOC三维响应面完成SOC估计。
-
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：CN112858917B
公开(公告)日：2022-04-08
申请号：CN202110052494.8
申请日：2021-01-15
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/385 , G06N3/04 , G06N3/08 , G06N3/12
Abstract: 一种基于遗传算法优化神经网络的电池系统多故障诊断方法，涉及新能源汽车动力电池系统安全领域。对所选动力电池加载动态应力测试实验，对电流传感器采集数据和电压传感器采集数据注入多种类型的故障信号，建立故障特征与故障类型的对应关系，建立神经网络，利用遗传算法对该神经网络进行优化，取得电池系统的电流、电压传感器故障数据，采用min‑max标准化，建立传感器的故障特征与故障类型的样本数据；依据样本建立矩阵导入神经网络中，作为系统输入和目标输出进行训练，建立对多种故障进行综合诊断的检测系统，有效提高了故障诊断的检测范围，同时所引入的遗传算法也提高了神经网络运行的效率以及结果的准确率。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN115201679B
公开(公告)日：2024-09-17
申请号：CN202210783435.2
申请日：2022-06-27
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/36 , G01R31/367 , G01R31/387 , G01R31/396
Abstract: 本发明具体涉及一种计及不一致性的储能电池系统状态估算方法，包括：在电池组充放电过程中，采集电池特征数据；基于单体电池间的不一致性确定电池组每条支路的特征单体电池，建立等效电路模型；构建用于预测估计电池SOC的观测器，分别得到各条支路的电池SOC估计值；计算各条支路的支路电流与电池组的平均支路电流之间的电流偏差，进而计算各条支路的支路电流标准差；基于支路电流标准差为各条支路分配相应的加权值；基于各条支路的电池SOC估计值及对应的加权值进行加权计算，得到电池组的融合SOC估计值作为其状态估算结果。本发明能够基于单体电池的不一致性建立具有互补性的电池组SOC融合预测框架，进而实现储能电池系统SOC的准确估计。
-
公开(公告)号：CN114924192B
公开(公告)日：2024-09-06
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)
IPC: G01R31/367 , G01R31/396 , G01R31/385 , G06N3/0455 , G06N3/045 , G06N3/047
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：CN113671380B
公开(公告)日：2024-07-16
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
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。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.041 seconds)
