公开(公告)号：CN109031153B

公开(公告)日：2020-01-24

申请号：CN201811200371.9

申请日：2018-10-16

申请人： 北京交通大学

发明人： 孙丙香 ,  张彩萍 ,  任鹏博 ,  张琳静 ,  张维戈 ,  王占国 ,  吴健 ,  龚敏明 ,  张言茹

IPC分类号： G01R31/367 ,  G01R31/385

摘要： 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。

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

申请人： 北京交通大学

发明人： 孙丙香 ,  任鹏博 ,  崔正韬 ,  姜久春 ,  张维戈 ,  王占国 ,  吴健 ,  张彩萍 ,  张琳静 ,  张言茹 ,  周兴振

IPC分类号： G01R31/367 ,  G01R31/392

摘要： 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：CN110703101A

公开(公告)日：2020-01-17

申请号：CN201910861836.3

申请日：2019-09-12

申请人： 北京交通大学

发明人： 孙丙香 ,  任鹏博 ,  崔正韬 ,  姜久春 ,  张维戈 ,  王占国 ,  吴健 ,  张彩萍 ,  张琳静 ,  张言茹 ,  周兴振

IPC分类号： G01R31/367 ,  G01R31/392

摘要： 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：CN109031153A

公开(公告)日：2018-12-18

申请号：CN201811200371.9

申请日：2018-10-16

申请人： 北京交通大学

发明人： 孙丙香 ,  张彩萍 ,  任鹏博 ,  张琳静 ,  张维戈 ,  王占国 ,  吴健 ,  龚敏明 ,  张言茹

IPC分类号： G01R31/36

摘要： 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。