-
公开(公告)号:CN104680246A
公开(公告)日:2015-06-03
申请号:CN201510044845.5
申请日:2015-01-29
Applicant: 北京交通大学
Abstract: 一种基于数据驱动的风电场实时功率预测方法,该方法包括以下步骤:S1:根据风电场上一时刻的实测输出功率数值,应用数学点斜式方法计算风电场下一时刻实时输出功率的估计值,并把该估计值作为风电场在m时刻的实时递推功率数值;S2:对步骤S1得到的风电场实时输出功率的估计值采用移动平均方法进行修正,把估计值的修正值作为风电场m时刻的实时递推预测功率值;S3:计算储能系统的期望发电功率值。本发明方法与传统延迟事后调度风储电站方法进行对比,可以使风储电站能够快速地响应国网调度的需求,而且该方法简单,易于实现。
-
公开(公告)号:CN103091642B
公开(公告)日:2014-12-10
申请号:CN201310024021.2
申请日:2013-01-22
Applicant: 北京交通大学
IPC: G01R31/36
Abstract: 本发明公开了涉及锂电池参数确定方法的技术领域,具体涉及一种锂电池容量快速估计方法。所述方法包括步骤1:取设定数目的训练样本电池利用复合脉冲电流法进行内阻测试,得到训练样本电池的内阻值;步骤2:利用恒流恒压测试方法测试训练样本电池容量值;步骤3:取训练样本电池的设定时间内各电流不同采样时间内阻作为输入,容量值作为输出,建立内阻-容量神经网络模型;步骤4:测试预测样本电池内阻,利用训练样本电池建立的内阻-容量神经网络模型估计容量值;本发明利用内阻和容量的非线性关系,建立内阻-容量神经网络模型,能够快速的估算电池容量,淘汰没有利用价值的电池,减少了传统容量测试所需的电力及设备损耗,经济性有很大提高。
-
公开(公告)号:CN103344917A
公开(公告)日:2013-10-09
申请号:CN201310233747.7
申请日:2013-06-13
Applicant: 北京交通大学 , 国家电网公司 , 华北电力科学研究院有限责任公司
IPC: G01R31/36
Abstract: 本发明涉及锂电池参数确定方法的技术领域,具体涉及一种锂电池循环寿命快速测试方法。该方法包括如下步骤:步骤1:根据电池样本的极化电压特性,确定循环寿命快速测试的荷电状态区间;步骤2:进行电池循环寿命快速测试,得到循环寿命测试实验数据;步骤3:部分荷电区间循环寿命推演数学模型;步骤4:建立0-100%荷电区间循环寿命推演数学模型;步骤5:得到电池0-100%荷电状态区间的循环寿命公式;步骤6估算出该测试电池的循环寿命。本发明避免了常规测试时间长、加速循环寿命测试方法与实际偏差大的不足,缩短了电池的设计、开发与测试周期。
-
公开(公告)号:CN119763721A
公开(公告)日:2025-04-04
申请号:CN202411543994.1
申请日:2024-10-31
Applicant: 北京交通大学
IPC: G16C20/70 , G01R31/367 , G01R31/392 , G16C20/10 , G16C60/00 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的跨类型电池衰退预测方法。本发明包括:步骤1:分析不同材料电池的放电V‑Q曲线之间的关系,构建描述不同材料电池放电V‑Q曲线间潜在关系的通用数学模型;步骤2:基于不同类型电池V‑Q曲线间的数学模型,设计新的损失函数;步骤3:建立了基于全局注意力机制的LSTM‑seq2seq模型,并用新的损失函数优化模型参数,以重构目标域中电池的V‑Q曲线;步骤4:应用重构后的电池V‑Q数据,以Siamese‑CNN模型为预训练模型,提出了基于迁移的适用于不同类型电池衰退轨迹预测方法。本发明可以基于电池成组使用前少量循环数,实现不同类型电池的衰退轨迹预测。
-
公开(公告)号:CN114137429B
公开(公告)日:2025-02-11
申请号:CN202111271541.4
申请日:2021-10-29
Applicant: 国电南瑞科技股份有限公司 , 南京邮电大学 , 北京交通大学
IPC: G01R31/389
Abstract: 本发明公开了一种充放电过程中锂离子电池性能异常变化的参数化表征方法及装置,其方法包括:基于弛豫时间分布法分析获取的锂离子电池电化学阻抗谱,得到弛豫时间分布曲线;基于弛豫时间分布曲线的峰值数确定阻抗环节个数,并建立相应的等效阻抗模型;获取预定SOC点下弛豫时间分布曲线与等效阻抗模型的特征参数;通过对不同SOC点间的特征参数变化进行对比分析,获取与锂离子电池性能异常变化相关的特征参数集;基于对特征参数集中各参数的变化率形式进行统一表征,实现SOC点下锂离子电池性能异常变化的参数化表征;本发明能够有效的辨识电池性能衰减过程的异常变化现象,且对于不同工况的适应性强。
-
公开(公告)号:CN119335428A
公开(公告)日:2025-01-21
申请号:CN202411483277.4
申请日:2024-10-23
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/367 , G06N20/00 , G06N3/0455
Abstract: 本发明提供一种无损保留特征的电池寿命预测方法及系统,属于基于深度学习的锂离子电池寿命预测技术领域,获取待预测电池的参数数据;所述参数数据包括充电数据、放电数据、温度数据和内阻数据;利用预先训练好的预测模型对获取的待预测电池的参数数据进行处理,得到电池寿命预测结果。本发明充分挖掘并利用各类数据中蕴含的老化信息,进行了全面而深入的分析;通过对大量数据特征的筛选和降维处理,在保留关键特征信息的前提下,显著减少了特征维度,降低了模型的复杂度和运行时间,并且提高了寿命预测的精度,确保了预测结果的可靠性和效率。
-
公开(公告)号:CN114976307B
公开(公告)日:2024-10-01
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:CN118708954A
公开(公告)日:2024-09-27
申请号:CN202410700772.X
申请日:2024-05-31
Applicant: 北京交通大学
IPC: G06F18/2135 , G06F18/23213 , G06F17/18 , G06N3/08 , G01R31/392 , G01R31/367 , G01R31/385 , G01R31/388
Abstract: 本发明涉及一种基于实际运行工况的电池寿命快速评估方法,包括:基于实车数据进行实际运行工况的构建与简化;使用主成分分析和K‑means聚类提取典型片段组成的典型运行工况。在此基础上进行工况简化:确定该工况区间内的最大值与最小值;划分区间;求解落平均值使其作为代表值。经实验验证工况简化前后误差仅为0.1%。将得到的简化分工况和由其组成的完整工况对多组电池分别进行寿命循环测试,通过多元线性回归获取对电池寿命衰退影响之间的耦合关系,可用较少的循环次数数据进行模型训练,预测出未来更多次数的全工况电池衰退情况,大幅度减少电池循环寿命测试时间,从而达到了电池寿命快速评估的目的。
-
公开(公告)号:CN117517961A
公开(公告)日:2024-02-06
申请号:CN202311247221.4
申请日:2023-09-25
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/378
Abstract: 本发明提出一种锂离子电池外部支撑快速设计方法,首先,基于不同缓冲能力的支撑模拟平台实施了多通道并行的步进应力实验,在电池充放电过程中同步采集电池单体的电、机械、阻抗等信号。其次,对不同支撑模式和初始预紧力下电池单体的电化学和机械特性进行分析,并提取应力相关的物理特征参数,如容量、内阻、膨胀应力、欧姆阻抗、界面阻抗等。最后,以较少的应力相关的容量衰退和较小的充电膨胀应力行程去筛选最优的支撑模式,并以界面阻抗为诊断指标,确定了机械压力诱发的界面损伤临界值,以指导初始预紧力的加速筛选。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成组的结构设计。
-
公开(公告)号:CN113075554B
公开(公告)日:2022-07-05
申请号:CN202110324053.9
申请日:2021-03-26
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京交通大学
IPC: G01R31/367 , G01R31/3835 , G01R31/396
Abstract: 本发明公开了一种基于运行数据的锂离子电池组不一致性辨识方法。本发明包括:步骤1:对实际运行工况中BMS采集到的锂离子电池电压数据进行数据预处理;步骤2:通过电池单体的一阶RC等效电路模型,分析单体SOC、容量两个电池参数与电压曲线变化之间的关系;步骤3:提取电池电压离群率;步骤4:对原始放电段电压进行经验模态分解,提取电池各充放电段电压极差,采用滑动窗口对窗口内的电压极差进行相加;步骤5:基于原始放电段电压,提取放电段电压差分,采用滑动窗口对窗口内的电压差分的绝对值进行相加;步骤6:对提取的电压离群率采用阈值方法辨识电池组不一致性,对提取的电压极差与电压差分采用聚类算法辨识电池组不一致性。
-
-
-
-
-
-
-
-
-