公开(公告)号：CN114184962A

公开(公告)日：2022-03-15

申请号：CN202111214695.X

申请日：2021-10-19

Applicant: 北京理工大学

Inventor： 王志福 ,  罗崴 ,  闫愿

IPC: G01R31/382 ,  G01R31/392

Abstract: 本发明提供了一种多算法融合的锂离子电池荷电状态(SOC)和健康状态(SOH)联合估算方法，针对锂离子电池实际使用情况下，无法通过直接测量容量或内阻的方式得到电池SOH的问题，建立卷积神经网络(CNN)模型对其进行精确估计。并在此基础上，利用小波变换去噪预处理，随后建立了粒子群优化深度置信网络和自适应扩展卡尔曼/自适应H∞滤波融合算法((PSO‑DBN)‑AEKF/AHIFF)与CNN配合来实现对SOC与SOH的联合估计。通过对估计结果的验证，显示该方法在高斯白噪声条件下误差以及在有色噪声条件下估计误差均能达到极低的水平，达到了现有技术所不具备的诸多有益效果。

公开(公告)号：CN112649745A

公开(公告)日：2021-04-13

申请号：CN202011491102.X

申请日：2020-12-16

Applicant: 北京理工大学

Inventor： 王志福 ,  封海龙 ,  李仁杰 ,  罗崴

IPC: G01R31/387

Abstract: 一种协同重组OCV的线性化类状态观测器的电池SOC估算方法，首先将多种OCV模型遍历全局SoC区间内的OCV‑SoC数据集分别进行拟合；其次选取不同SoC子区间各模型均方根拟合误差较小的模型，在全局SoC区间内进行OCV模型的重组；然后，协同该重组模型与线性化类状态观测器根据SoC的先验估计值选择重组模型的子模型以进行SoC估计误差的纠正，并针对重组模型的OCV对其分段点处SoC不可导的问题将该点的后验估计值赋值其上一采样时刻的后验估计值。本发明克服了以往线性化类状态观测器中OCV模型估计误差纠正能力有限的局限性，所提出的协同有重组OCV模型的上述线性化类状态观测器较只有单一模型的上述观测器具有较高的SoC估计精度，且具备快速收敛至真值的能力。

公开(公告)号：CN114184962B

公开(公告)日：2022-12-13

申请号：CN202111214695.X

申请日：2021-10-19

Applicant: 北京理工大学

Inventor： 王志福 ,  罗崴 ,  闫愿

IPC: G01R31/382 ,  G01R31/392

Abstract: 本发明提供了一种多算法融合的锂离子电池荷电状态(SOC)和健康状态(SOH)联合估算方法，针对锂离子电池实际使用情况下，无法通过直接测量容量或内阻的方式得到电池SOH的问题，建立卷积神经网络(CNN)模型对其进行精确估计。并在此基础上，利用小波变换去噪预处理，随后建立了粒子群优化深度置信网络和自适应扩展卡尔曼/自适应H∞滤波融合算法((PSO‑DBN)‑AEKF/AHIFF)与CNN配合来实现对SOC与SOH的联合估计。通过对估计结果的验证，显示该方法在高斯白噪声条件下误差以及在有色噪声条件下估计误差均能达到极低的水平，达到了现有技术所不具备的诸多有益效果。