公开(公告)号：CN120065011A

公开(公告)日：2025-05-30

申请号：CN202510114277.5

申请日：2025-01-24

Applicant: 华北电力大学

Inventor： 黄从智 ,  孙家琦 ,  侯国莲

IPC: G01R31/382 ,  G06F17/16

Abstract: 本发明公开了一种融合遗忘因子最小二乘法和无迹卡尔曼滤波的全钒液流电池SOC估计方法，涉及电化学储能状态监测技术领域，包括采集全钒液流电池电压和电流数据，并进行数据处理；建立全钒液流电池Thevenin等效电路模型；采用遗忘因子递推最小二乘法，对等效电路模型进行参数辨识，并采用海星优化算法优化遗忘因子和初始参数值，使得等效电路模型模拟的端电压值与实际电压值误差最小；基于实时辨识等效电路模型的参数，并结合无迹卡尔曼滤波算法对电池极化电压和SOC进行联合估计，使得估计的端电压误差最小，进而得到全钒液流电池SOC的估值。因此，采用上述方法，实现对电池SOC的准确估计，从而判断电池的电量情况，为现场运维人员提供指导与参考。

公开(公告)号：CN117388709A

公开(公告)日：2024-01-12

申请号：CN202311443029.2

申请日：2023-11-01

Applicant: 华北电力大学

Inventor： 黄从智 ,  孙家琦

IPC: G01R31/367 ,  G06F18/214 ,  G06F18/2113 ,  G06F18/2411

Abstract: 本发明提出了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法，具体包括以下步骤：S1、利用改进完全集合经验模态分解和精细复合多尺度加权排列熵进行信号处理与特征提取，提取出储能电池信号中的故障特征信息，构建故障特征向量样本集；S2、采用拉普拉斯分数对模型特征向量重要程度进行排序和选取，针对原始数据样本，划分训练集和测试集进行归一化处理；S3、采用鲸鱼优化算法对核极限学习机的关键参数进行寻优，生成故障诊断模型；S4、利用训练集进行模型训练并将测试集输入到模型中进行故障识别。通过上述方案，本发明提出了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法，基于所提取到的故障特征和建立的样本集，采用鲸鱼优化核极限学习机来构建故障诊断模型，实现对储能电池的故障检测，从而为现场运维人员提供指导与参考。