-
公开(公告)号：CN112018837B
公开(公告)日：2022-08-16
申请号：CN202010689690.1
申请日：2020-07-17
Applicant: 中国铁道科学研究院集团有限公司 , 北京交通大学
IPC: H02J7/00
Abstract: 本发明涉及一种电池均衡电路及电池均衡设备，包括：MCU模块，用于工作状态控制；电压采集模块，用于采集被检测电池的电压信号；DC‑DC温度采集模块，用于检测功率器件的温度；电流采集模块，用于采集被检测电池负载的电流信号；DC‑DC组件，用于调节被检测电池负载的电流，将电流信号转化为电压信号；电压保护硬件电路，用于选择电压保护的阈值；CAN通讯模块，用于与外界通讯。本发明，支持多通道隔离并联构成电池均衡设备，弥补了现有均衡设备的限制，支持大倍率的电流对电池模组进行充电均衡，使用MCU模块完成CAN通讯和控制功能，并可以通过上位机对设备进行控制；在硬件拓扑上使用多个隔离的DC/AC对设备的不同通道进行隔离，提高了安全性。
-
公开(公告)号：CN110703101B
公开(公告)日：2021-01-05
申请号：CN201910861836.3
申请日：2019-09-12
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种锂离子电池分区间循环容量衰退预测方法，包括如下步骤：S1、对锂离子电池进行不同SOC区间衰退测试，得到不同SOC区间的测试数据；S2、进行分区间特征参数提取；S3、利用Keras深度学习框架构建LSTM RNN模型，对模型进行初始化；S4、利用步骤S1得到的测试数据和步骤S2得到的特征参数的值对LSTM RNN模型进行训练，并进行模型验证；S5、经过模型训练和模型验证后的LSTM RNN模型，通过迭代的形式输出给定区间下循环电池的容量衰退曲线，根据区间范围[SOCk‑1,SOCk]的不同，输出不同循环次数下的电池容量值，对电池的衰退容量进行预测。
-
公开(公告)号：CN109606204B
公开(公告)日：2020-09-01
申请号：CN201811305430.9
申请日：2018-11-05
Applicant: 北京交通大学
Abstract: 本发明公开一种可实现城轨列车车载储能装置移动充电的供电系统及方法，该系统包括牵引电机，牵引DC/AC变换器，辅助DC/AC变换器，车载动力电池模块，供电接触网，地面DC/DC变换器，不控整流机组，降压变压器和城市电网模块。城市电网模块，降压变压器，不控整流机组，地面DC/DC变换器与供电接触网组成地面恒流供电系统。本发明应用于城轨列车运行在线路架设供电接触网区域，地面恒流供电系统不仅能够提供城轨列车运行时牵引负载和辅助负载所需的能量，还能够在城轨列车运行时实现对车载储能系统进行恒流充电。本发明一定程度上解决车体预留空间对车载储能装置体积限制和将功率等级高、重量大的DC/DC变换器放置在车体上所造成城轨列车运行时电能浪费的问题。
-
公开(公告)号：CN111477981A
公开(公告)日：2020-07-31
申请号：CN202010165381.4
申请日：2020-03-11
Applicant: 北京交通大学
IPC: H01M10/44 , H01M10/0525 , G06F30/20
Abstract: 本发明一种锂离子电池分区间优化充电方法，通过分析锂离子电池在不同倍率和不同SOC区间下特征参数变化特性，建立了容量衰退速率模型和能耗模型，提出了综合考虑容量衰退速率与能耗作为惩罚项的多目标函数，以容量衰退速率与能耗作为优化目标，以SOC作为状态变量，在平均充电倍率、充放电电压、最大充电倍率以及充入总电量约束件下，利用优化算法计算得到一组优化电流序列；同时，基于模型预测控制理论实现了对电池多目标优化充电的控制，采用多步预测控制方法获取优化电流序列。与传统充电法相比，本发明降低了充电过程中的能耗，并具有减缓电池容量衰退的作用，延长使用寿命。
-
公开(公告)号：CN110954832A
公开(公告)日：2020-04-03
申请号：CN201911314788.2
申请日：2019-12-19
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/392 , G01R31/3835
Abstract: 本发明属于电池诊断技术领域，尤其涉及一种识别老化模式的锂离子电池健康状态在线诊断方法，包括：步骤1，依据电池结构组分对电池老化模式进行分类；步骤2，基于正负电极的开路电压-荷电状态关系与老化模式对半电池模型的影响，在全新电池尺度上构建电池的开路电压-荷电状态曲线，获取各种老化模式的损失量；步骤3，采用扩展卡尔曼滤波算法，从电池动态电流工况放电数据中辨识开路电压随放电容量的变化曲线，用于动态工况下电池健康状态在线诊断。本发明能够反映电池内部衰退机理与老化模式，对影响电池健康状态的内在原因进行定量化分析，且对于不同工况的适应性强，便于在实车运行过程中进行在线应用。
-
Patent Agency Ranking
公开(公告)号：CN110912563A
公开(公告)日：2020-03-24
申请号：CN201911015498.8
申请日：2019-10-24
Applicant: 北京交通大学 , 中车唐山机车车辆有限公司
IPC: H03M7/30
Abstract: 本发明涉及一种针对动力电池的数据压缩优化方法。动力电池的数据对于电池的日常检测，故障发生后的故障原因查寻，基于大数据的动力电池特性分析，以及基于历史数据的电动汽车剩余价值评估都有重要作用。该方法简便易行，可以有效降低数据量，也可以实现数据无损还原。其中针对文本文件的优化压缩处理方式适用数据类型更广，可读性更好，针对二进制文件的优化压缩处理方式压缩力度更大，可最大程度地节省数据储存空间。
-
公开(公告)号：CN110703101A
公开(公告)日：2020-01-17
申请号：CN201910861836.3
申请日：2019-09-12
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种锂离子电池分区间循环容量衰退预测方法，包括如下步骤：S1、对锂离子电池进行不同SOC区间衰退测试，得到不同SOC区间的测试数据；S2、进行分区间特征参数提取；S3、利用Keras深度学习框架构建LSTM RNN模型，对模型进行初始化；S4、利用步骤S1得到的测试数据和步骤S2得到的特征参数的值对LSTM RNN模型进行训练，并进行模型验证；S5、经过模型训练和模型验证后的LSTM RNN模型，通过迭代的形式输出给定区间下循环电池的容量衰退曲线，根据区间范围[SOCk-1,SOCk]的不同，输出不同循环次数下的电池容量值，对电池的衰退容量进行预测。
-
公开(公告)号：CN107042762B
公开(公告)日：2019-12-31
申请号：CN201611076224.6
申请日：2016-11-29
Applicant: 北京交通大学 , 中车长春轨道客车股份有限公司
Abstract: 本发明涉及一种轨道车辆的车载混合储能系统。该系统包括：锂离子电池组模块、超级电容组模块和可重构式牵引变流器模块，可重构式牵引变流器模块包括牵引变流器；该牵引变流器的主电路是在传统牵引变流器的主电路上增加接触器S1、S2、S3、S4、S5和滤波电感L。在列车运行时，超级电容组模块通过牵引变流器为列车提供动力；在列车进站停车时，牵引变流器通过闭合、断开不同的接触器重构为直流‑直流变换器，并通过该变流器将能量从锂离子电池组模块传导至超级电容组模块，为下一站车辆运行所需的能量进行充电。所述轨道车辆的车载混合储能系统不需要额外的直流‑直流变换器，降低了整体系统的造价、空间成本和复杂度等。
-
公开(公告)号：CN109164398B
公开(公告)日：2019-10-11
申请号：CN201810876589.X
申请日：2018-08-03
Applicant: 北京交通大学
IPC: G01R31/396
Abstract: 本发明提出一种锂离子电池组中单体电池容量估算方法。该方法的实施基于锂离子电池组的充电过程和单体电池的放电过程，在锂离子电池组中包含N个处于同一老化状态的电池单体，该方法包括：将锂离子电池组中最先充满电的单体电池作为基准电池，根据充放电曲线计算近似Q‑OCV曲线QV0；根据第i只待估容量单体电池的充放电曲线计算其近似Q‑OCV曲线QVi；分别对QV0和QVi进行微分计算，得到容量微分曲线D0和Di，将D0和Di归一化后，对Di进行平移使其与D0重合；记录Di中充电截止时刻的近似OCVi(曲线终点值)；根据曲线VQ0计算基准电池的近似SOC‑OCV曲线S0；在曲线S0中确定与OCVi对应的SOCi值；根据第i只单体电池的部分放电容量和SOCi值计算第i只单体电池的实际容量。
-
公开(公告)号：CN109031153A
公开(公告)日：2018-12-18
申请号：CN201811200371.9
申请日：2018-10-16
Applicant: 北京交通大学
IPC: G01R31/36
Abstract: 本发明属于锂离子电池领域，公开了一种锂离子电池的SOH在线估计方法，用于解决现有SOH估计技术在实施过程中存在的特征参数在线获取困难，模型对训练数据依赖性强且所需数据量大，采用简单线性回归较难刻画电池容量与特征参数复杂的函数关系，估计精度难以保证的问题。本发明采用容量增量法从容量增量曲线中获取特征参数，该方法不要求电池经历完整的充放电过程，特征参数提取更加简单，有利于该方法在BMS中的应用；利用多输出高斯过程回归模型方法完成特征参数与SOH函数模型的建立，更好地利用不同输出之间的潜在关联性，提高SOH的估计精度；同时该方法对于训练数据依赖较小，对不同类型的锂离子电池具有很好的适应性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.022 seconds)
