-
公开(公告)号：CN113359048A
公开(公告)日：2021-09-07
申请号：CN202110468786.X
申请日：2021-04-28
Applicant: 中国矿业大学
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G01R31/388
Abstract: 本发明公开了一种锂离子电池剩余使用寿命间接预测方法，属于锂离子电池技术领域。具体步骤如下：分析锂离子电池在不同循环次数的特征变化，提取能反映电池性能退化的健康因子，验证所提取的健康因子与锂离子电池容量之间的相关性；使用电池健康因子和对应的电池容量数据训练BP神经网络，得到锂离子电池容量估算的神经网络模型；提取待预测电池预测起始点之前的健康因子，使用Box‑Cox变换建立健康因子与循环次数的线性模型，结合估算电池容量的神经网络模型，预测电池容量，当电池容量预测值到达电池寿命终止容量时，即可得到电池的剩余使用寿命。本发明避免了待预测电池容量在线测量难度大的问题，使用健康因子间接预测电池剩余使用寿命。
-
公开(公告)号：CN110196393B
公开(公告)日：2024-03-12
申请号：CN201910474414.0
申请日：2019-05-31
Applicant: 中国矿业大学 , 延锋伟世通电子科技(南京)有限公司
IPC: G01R31/378 , G01R31/367 , G01R31/3842 , G01R31/388
Abstract: 本发明公开了一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法。本发明基于联合卡尔曼滤波的滑模观测器算法对电池的开路电压(OCV)进行估计，进而实现锂电池三种状态的联合估计。本发明包括：锂电池改进PNGV模型的建立，利用最小二乘法实现模型参数的辨识。利用联合卡尔曼滤波的滑模观测器实时估算电池OCV，并基于建立的改进PNGV模型实现锂电池三种状态的在线估计。基于本发明的锂电池状态估计利用一个算法同时实现了三个锂电池状态量的估计，减少了计算量，同时通过改进的PNGV模型和联合卡尔曼滤波的滑模观测器算法保证了锂电池状态的实时精确估计。
-
Patent Agency Ranking
公开(公告)号：CN113156321A
公开(公告)日：2021-07-23
申请号：CN202110451676.2
申请日：2021-04-26
Applicant: 中国矿业大学
IPC: G01R31/388 , G01R31/367 , G01R31/36 , G01R31/378 , G01R31/389 , G01R31/00
Abstract: 本发明公开一种锂离子电池荷电状态的估算方法，包括以下步骤：S1、建立锂离子电池的等效电路模型,采集开路电压数据与荷电状态数据,基于所述等效电路模型,获取不同状态下的电池模型参数；S2、基于基尔霍夫定律，通过所述等效电路模型和所述电池模型参数，得到模型状态空间方程；S3、基于所述模型状态空间方程，通过鲁棒自适应有限差分卡尔曼滤波法对锂离子电池荷电状态进行估算。本发明能够避免对Jacobian矩阵的计算，实时调整过程噪声协方差，并对观测值进行重构，提高算法估算荷电状态的精度，收敛速度以及对非高斯分布测量噪声的鲁棒性。
-
公开(公告)号：CN113156321B
公开(公告)日：2023-06-20
申请号：CN202110451676.2
申请日：2021-04-26
Applicant: 中国矿业大学
IPC: G01R31/388 , G01R31/367 , G01R31/36 , G01R31/378 , G01R31/389 , G01R31/00
Abstract: 本发明公开一种锂离子电池荷电状态的估算方法，包括以下步骤：S1、建立锂离子电池的等效电路模型,采集开路电压数据与荷电状态数据,基于所述等效电路模型,获取不同状态下的电池模型参数；S2、基于基尔霍夫定律，通过所述等效电路模型和所述电池模型参数，得到模型状态空间方程；S3、基于所述模型状态空间方程，通过鲁棒自适应有限差分卡尔曼滤波法对锂离子电池荷电状态进行估算。本发明能够避免对Jacobian矩阵的计算，实时调整过程噪声协方差，并对观测值进行重构，提高算法估算荷电状态的精度，收敛速度以及对非高斯分布测量噪声的鲁棒性。
-
公开(公告)号：CN113093020B
公开(公告)日：2022-07-12
申请号：CN202110362459.6
申请日：2021-04-02
Applicant: 中国矿业大学
IPC: G01R31/378 , G01R31/367 , G01R31/392 , G01R31/388
Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法，属于锂离子电池技术领域。具体步骤如下：采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据，提取其中的残差容量数据反应电池老化趋势，避免电池老化的容量再生现象对剩余使用寿命预测的影响；对提取的残差容量数据进行归一化，训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积，若出现误差累积，采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量，获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命，同时检测预测是否发生严重误差累积，并进行修正。
-
公开(公告)号：CN113093020A
公开(公告)日：2021-07-09
申请号：CN202110362459.6
申请日：2021-04-02
Applicant: 中国矿业大学
IPC: G01R31/378 , G01R31/367 , G01R31/392 , G01R31/388
Abstract: 本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法，属于锂离子电池技术领域。具体步骤如下：采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据，提取其中的残差容量数据反应电池老化趋势，避免电池老化的容量再生现象对剩余使用寿命预测的影响；对提取的残差容量数据进行归一化，训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积，若出现误差累积，采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量，获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命，同时检测预测是否发生严重误差累积，并进行修正。
-
公开(公告)号：CN110196393A
公开(公告)日：2019-09-03
申请号：CN201910474414.0
申请日：2019-05-31
Applicant: 中国矿业大学 , 延锋伟世通电子科技(南京)有限公司
IPC: G01R31/378 , G01R31/367 , G01R31/3842 , G01R31/388
Abstract: 本发明公开了一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法。本发明基于联合卡尔曼滤波的滑模观测器算法对电池的开路电压(OCV)进行估计，进而实现锂电池三种状态的联合估计。本发明包括：锂电池改进PNGV模型的建立，利用最小二乘法实现模型参数的辨识。利用联合卡尔曼滤波的滑模观测器实时估算电池OCV，并基于建立的改进PNGV模型实现锂电池三种状态的在线估计。基于本发明的锂电池状态估计利用一个算法同时实现了三个锂电池状态量的估计，减少了计算量，同时通过改进的PNGV模型和联合卡尔曼滤波的滑模观测器算法保证了锂电池状态的实时精确估计。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
