-
公开(公告)号：CN101706556A
公开(公告)日：2010-05-12
申请号：CN200910193880.8
申请日：2009-11-11
Applicant: 惠州市亿能电子有限公司 , 北京交通大学
IPC: G01R31/36
Abstract: 一种纯电动汽车用锂离子电池的实际容量估算方法，该方法步骤为：a、在在线充电过程中，通过汽车电池管理系统获得电池剩余容量的变化值；b、电池充电前，电池运行后，通过给电池充入一部分电量，通过汽车电池管理系统获得电池的第一状态荷电状态SOC1；c、充电完成结束后，通过汽车电池管理系统获得电池的第二状态荷电状态SOC2；d、a步骤中的电池剩余容量的变化值与电池两种荷电状态的差值之比，即得电池实际容量值。相对现有技术相比，本方案具有如下优点：(1)充电过程电流可控性和稳定性更好；(2)数据处理时间宽裕；(3)这两个点都在单次充电过程即可完成。
-
公开(公告)号：CN101692583A
公开(公告)日：2010-04-07
申请号：CN200910192570.4
申请日：2009-09-21
Applicant: 惠州市亿能电子有限公司 , 北京交通大学
Abstract: 本发明涉及电动汽车电池管理系统技术领域。一种纯电动公交车用电池管理系统，具有车载运行、整车应急充电和快速更换3种工作模式，该系统主要包括主控模块、检测模块、手持设备、监控计算机和车载电池组。电池管理系统能够将获取处理后的实时电池状态、车载电池组的详细信息传递给整车控制器、车载仪表、监控计算机在线监控；在整车应急充电和快速更换模式下，电池管理系统能够与充电设备进行数据交互，实现安全充电。本系统还配置了手持设备，可以实现单箱电池电压的采集及检测模块的调试和故障诊断。该电池管理系统通信功能强大，充电管理完善，辅助设备齐全，具有较高的安全性、可靠性和稳定性。
-
公开(公告)号：CN101526587A
公开(公告)日：2009-09-09
申请号：CN200910119882.2
申请日：2009-03-20
Applicant: 惠州市亿能电子有限公司 , 北京交通大学
IPC: G01R31/36
Abstract: 本发明公开了一种串联电池组SOC的测量方法，以解决现有技术中SOC测量方法不准确的问题。根据本发明的SOC测量方法，首先测量出串联电池组中各单体电池的最大可用容量、剩余容量或单体电池的SOC，然后，确定串联电池组在同一状态下的最大可充电容量和最大可放电容量或者剩余容量分别等于单体电池中最小的最大可充电容量和最小的最大可放电容量，并计算出串联电池组的最大可用容量等于串联电池组的最大可充电容量和最大可放电容量之和，最后得到串联电池组的荷电状态SOC等于剩余容量除以串联电池组的最大可用容量。利用本发明的SOC测量方法，可准确得到串联电池组SOC，为串联电池组的成组、使用、维护和更换提供可靠依据。
-
公开(公告)号：CN119395557A
公开(公告)日：2025-02-07
申请号：CN202411593632.3
申请日：2024-11-08
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N5/045 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06F119/04
Abstract: 本发明提出一种基于可解释深度学习算法的电池剩余寿命预测优化方法，所述方法包括：构建数据集并进行预处理；基于预处理数据集构建模型输入数据；基于深度学习构建电池剩余寿命预测模型；通过可解释深度学习算法解释模型在预测过程中的决策行为并量化输入数据在预测过程中的贡献程度；根据模型解释结果优化老化数据及预测过程。本发明通过可解释深度学习算法计算输入特征对神经网络输出的电池剩余寿命预测值的边际贡献，量化不同工况，不同特征参数，不同老化阶段的数据在寿命预测过程中的贡献程度，从而识别重要老化特征并去除无用数据，从数据源方面优化预测过程，在保证预测准确性的同时加快预测速度，以减少计算资源的消耗。
-
公开(公告)号：CN118713232A
公开(公告)日：2024-09-27
申请号：CN202310308331.0
申请日：2023-03-27
Applicant: 北京交通大学 , 台达电子企业管理(上海)有限公司
Abstract: 本申请提出一种电池储能系统，包含：母线连接部，包含正母线连接端及负母线连接端；第一电池组，包含多个串联或并联的单体电池；输出电容，输出电容与第一电池组串联，且输出电容与第一电池组电连接于正母线连接端及负母线连接端之间；H桥电路，H桥电路的输出端电连接于输出电容；滤波电感，电连接于H桥电路的输出端与输出电容之间；第一隔离型DC/DC变换电路，第一隔离型DC/DC变换电路的输入端电连接于第一电池组，第一隔离型DC/DC变换电路的输出端电连接于H桥电路的输入端；第一继电器，电连接于第一电池组与第一隔离型DC/DC变换电路的输入端之间，当第一隔离型DC/DC变换电路故障时，第一继电器断开。
-
Patent Agency Ranking
公开(公告)号：CN113449468B
公开(公告)日：2024-03-12
申请号：CN202110693881.X
申请日：2021-06-22
Applicant: 北京交通大学
IPC: G06F30/27 , G06F119/10
Abstract: 本发明提供了一种锂离子电池组的多参数分布特性建模和参数生成方法。该方法包括：在锂离子电池组中随机选取部分电池单体作为样本电池进行参数测量，建立真实电池参数数据集；对真实电池参数数据集中的原始数据归一化，设计包含生成器和判别器的生成对抗网络，使用归一化后的真实电池参数数据集对生成对抗网络进行训练，使用训练好的生成器生成合成电池参数；将合成电池参数代入与实际电池组拓扑相同的单体级别电池组仿真模型进行仿真计算，得到接近实际电池组的电学特性与能量特性。本发明利用对抗生成网络学习真实电池参数的分布特征，并生成符合实测特征的合成数据，可以得到符合实际电池组的电学特性与能量特性的仿真结果。
-
公开(公告)号：CN116756351A
公开(公告)日：2023-09-15
申请号：CN202310495768.X
申请日：2023-05-05
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
IPC: G06F16/51 , G06F16/583 , G06V10/774 , G06V10/77 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08 , G06Q50/06 , G01R31/392 , G01R31/396
Abstract: 本发明公开了一种基于视觉技术的动力电池组数据存储及健康评估方法。针对电动汽车大数据平台信息泛滥、内存占用等问题，采用一种图像化存储方式将体量大、内存占比高的充电单体电压曲线转化成图像进行存储；将电压曲线图像视为稀疏矩阵并采用三元组方法对矩阵进行进一步压缩存储；基于充电单体电压曲线图像，采用计算机视觉技术识别与电池组健康相关的图像特征，构建神经网络模型对电池组健康进行快速评估。本发明为电池后台数据存储优化提供了新思路，可显著降低电池运行数据占用内存，以充电电压曲线图像为样本能够对电池组健康状态进行快速评估，而无需复杂的数据处理和计算过程，可为数据平台提供有效的电池健康监测。
-
公开(公告)号：CN114976307A
公开(公告)日：2022-08-30
申请号：CN202210489917.7
申请日：2022-05-07
Applicant: 北京交通大学
IPC: H01M10/42 , G01R31/389
Abstract: 本发明公开了一种锂离子电池界面阻抗无损分离方法，该方法基于总阻抗和高频感抗和低频扩散模型重构了反映界面动力学的真实阻抗，使用弛豫时间反卷积技术和等效电路对界面的模型参数进行辨识，通过50％与5％SOC的阻抗数据来实现电极界面动力学模型参数的无损分离，并在三电极阻抗中验证了该技术的有效性。同时，根据电荷转移内阻的变换系数将可分离的SOC的电荷转移内阻转移到对比的SOC，实现了在同一SOC点的特征参数演变规律分析。该方法步骤简单，易于操作，且可靠性高，适用于电动汽车动力电池的电极界面动力学无损诊断。
-
公开(公告)号：CN114879071A
公开(公告)日：2022-08-09
申请号：CN202210536588.7
申请日：2022-05-17
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/367 , G01R31/3835
Abstract: 本发明涉及一种锂离子电池非线性衰退老化模式在线诊断方法。该方法仅采用电池充电过程中的电压和电流信息，通过获取电池平均电压和容量在老化过程中的演变轨迹准确评估电池非线性衰退的老化模式。该诊断方法不需要采用特定的充电电流，简单易行，可靠性高，可直接在电动汽车上使用，适用于电动汽车动力电池在线老化模式识别。
-
公开(公告)号：CN114114049A
公开(公告)日：2022-03-01
申请号：CN202111157103.5
申请日：2021-09-30
Applicant: 北京交通大学
IPC: G01R31/392
Abstract: 本发明公开了一种基于样本迁移的锂离子电池寿命预测方法，从已有的三元锂离子电池老化数据中提取与新电池具有共性知识的迁移样本用于辨识寿命模型参数，最终预测新电池的寿命。样本迁移方法包括老化模式判断，拐点预测以及样本选择。老化模式判断和拐点预测从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线上提取表征锂离子电池的健康状态的17个特征参数，然后利用机器学习算法对锂离子电池的加速老化进行早期诊断以及拐点预测，然后根据加速老化判断和拐点预测结果已有的三元锂离子电池老化数据中进行样本选择，利用迁移样本训练寿命模型辨识寿命模型参数，最终对新电池进行寿命预测。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.061 seconds)
