-
公开(公告)号：CN112649736B
公开(公告)日：2024-07-23
申请号：CN202011392585.8
申请日：2020-12-02
Applicant: 南京工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/387
Abstract: 本发明公开了一种用于退役电池的荷电状态(Stateof Charge，SOC)、健康状态(Stateof Health，SOH)联合估算方法，针对退役电池的离散、不一致等性能缺陷，首先，建立一种综合考虑退役电池性能影响因素的电池单体模型，随后利用电池的混合动力脉冲能力特性(Hybrid PulsePower Characteristic，HPPC)测试所得试验数据对所建模型实施参数识别，同时根据试验数据联合蜂鸟‑神经网络算法估算电池SOH，进而确定电池的实际可用容量，以此为依据对安时积分法进行校正，最后，基于上述所得电池单体离线模型参数和改进安时积分法，采用离线‑迭代算法对电池SOC进行估算。本发明将蜂鸟‑神经网络算法、改进安时积分法、离线‑迭代算法相结合，有效提升了退役电池SOH、SOC估算的快速性与准确性。
-
公开(公告)号：CN113466710A
公开(公告)日：2021-10-01
申请号：CN202110941373.9
申请日：2021-08-17
Applicant: 南京工程学院
IPC: G01R31/36
Abstract: 本发明公开了一种含新能源受端电网中储能电池的SOC与SOH协同估算方法，建立储能系统中单个锂电池Thevenin等效电路模型，对电池进行HPPC测试；采用特征梯度算法对电池模型进行参数辨认，实现电池采样参数的精确性；将特征梯度算法辨认优化数据作为输入，针对卡尔曼滤波算法估算SOC容易受电流累计误差的影响，提出复合筒节‑卡尔曼滤波算法估算SOC并更新模型；通过特征梯度算法进行参数辨认，基于辨认参数提出博弈探寻‑支持向量机算法估算SOH，实现协同估算SOC与SOH快速性和精确性。基于储能电池的SOC和SOH快速估算，利用SOC和SOH等指标筛选性能一致性较高储能系统中电池，能够保证电池储能的安全，为新能源接入电网中电化学储能系统安全性和快速响应功率波动提供基础。
-
公开(公告)号：CN113255214A
公开(公告)日：2021-08-13
申请号：CN202110544956.8
申请日：2021-05-18
Applicant: 南京工程学院
IPC: G06F30/27 , G06N3/00 , G01R31/367 , G01R31/392 , G06F111/06 , G06F111/08 , G06F119/04 , G06F119/08
Abstract: 本发明公开了一种退役动力电池最大可用容量动态估算方法，首先通过充电曲线提取与电池容量衰减相关的特征量，并采用异质点算法对特征量中的异常数据点进行清洗，提高特征量所含有效信息量，然后建立以相关向量机算法为基础的容量估算模型，同时引入改进蜂鸟算法优化模型参数，最后基于上述所得特征量和改进容量估算模型对退役动力电池容量进行估算。本发明将异质点算法、相关向量机算法、改进蜂鸟算法相结合，有效提升了退役动力电池容量估算的快速性与准确性。
-
公开(公告)号：CN112757961A
公开(公告)日：2021-05-07
申请号：CN202011544477.8
申请日：2020-12-23
Applicant: 南京工程学院
Abstract: 本发明公开了一种锂电池SOC估算方法、主动均衡控制方法及系统，提高了电池组的工作效率与使用寿命。本发明所述的锂电池SOC估算方法采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，解决了现有SOC算法存在的计算精度低、平滑性差的问题，同时减轻了计算机运算的负担，提高了计算效率；针对多组串联电池组充电过程与电池间电流均衡过程，提出优化的均衡控制方法，并利用改进的SOC估算法解算出的SOC值作为控制判据，进一步提高了均衡控制的精准度，增强了锂电池管理系统控制效果。
-
公开(公告)号：CN113466710B
公开(公告)日：2023-01-31
申请号：CN202110941373.9
申请日：2021-08-17
Applicant: 南京工程学院
IPC: G01R31/392 , G01R31/367 , G01R31/385 , G01R31/387 , G01R31/388
Abstract: 本发明公开了一种含新能源受端电网中储能电池的SOC与SOH协同估算方法，建立储能系统中单个锂电池Thevenin等效电路模型，对电池进行HPPC测试；采用特征梯度算法对电池模型进行参数辨认，实现电池采样参数的精确性；将特征梯度算法辨认优化数据作为输入，针对卡尔曼滤波算法估算SOC容易受电流累计误差的影响，提出复合筒节‑卡尔曼滤波算法估算SOC并更新模型；通过特征梯度算法进行参数辨认，基于辨认参数提出博弈探寻‑支持向量机算法估算SOH，实现协同估算SOC与SOH快速性和精确性。基于储能电池的SOC和SOH快速估算，利用SOC和SOH等指标筛选性能一致性较高储能系统中电池，能够保证电池储能的安全，为新能源接入电网中电化学储能系统安全性和快速响应功率波动提供基础。
-
Patent Agency Ranking
公开(公告)号：CN113422375B
公开(公告)日：2022-11-08
申请号：CN202110716289.7
申请日：2021-06-25
Applicant: 南京工程学院
IPC: H02J3/24 , H02J3/28 , H02J3/32 , H02J3/38 , H02J7/00 , H02J7/34 , G06F17/11 , G06F17/14 , G06N3/00
Abstract: 本发明公开了一种混合储能系统平抑风电功率波动的双层协调控制方法，包括：(1)通过支持向量机回归预测短期风电功率，在所述的支持向量机回归预测过程中，通过人群搜索优化算法优化惩罚因子参数；(2)基于W‑M滤波法将平抑后风电功率作为并网参考功率，计算HESS参考输出功率，采用改进希尔伯特‑黄变换对超级电容器和蓄电池一次功率分配，得到各自的参考补偿功率；(3)系统通过功率优化层，将超级电容器和蓄电池的工作区域进行划分，采用自适应注水算法对HESS的充放电功率和SOC进行协调控制得到期望补偿功率；(4)通过功率实现层，运用机会约束规划方法以最小化为目标，最大和最小充放电功率值为约束，采用SH优化算法得到最终功率设定值。
-
公开(公告)号：CN112757961B
公开(公告)日：2022-06-03
申请号：CN202011544477.8
申请日：2020-12-23
Applicant: 南京工程学院
Abstract: 本发明公开了一种锂电池SOC估算方法、主动均衡控制方法及系统，提高了电池组的工作效率与使用寿命。本发明所述的锂电池SOC估算方法采用平滑滤波算法对强跟踪平方根容积滤波算法进行改进，解决了现有SOC算法存在的计算精度低、平滑性差的问题，同时减轻了计算机运算的负担，提高了计算效率；针对多组串联电池组充电过程与电池间电流均衡过程，提出优化的均衡控制方法，并利用改进的SOC估算法解算出的SOC值作为控制判据，进一步提高了均衡控制的精准度，增强了锂电池管理系统控制效果。
-
公开(公告)号：CN113255214B
公开(公告)日：2023-08-22
申请号：CN202110544956.8
申请日：2021-05-18
Applicant: 南京工程学院
IPC: G06F30/27 , G06N3/006 , G01R31/367 , G01R31/392 , G06F111/06 , G06F111/08 , G06F119/04 , G06F119/08
Abstract: 本发明公开了一种退役动力电池最大可用容量动态估算方法，首先通过充电曲线提取与电池容量衰减相关的特征量，并采用异质点算法对特征量中的异常数据点进行清洗，提高特征量所含有效信息量，然后建立以相关向量机算法为基础的容量估算模型，同时引入改进蜂鸟算法优化模型参数，最后基于上述所得特征量和改进容量估算模型对退役动力电池容量进行估算。本发明将异质点算法、相关向量机算法、改进蜂鸟算法相结合，有效提升了退役动力电池容量估算的快速性与准确性。
-
公开(公告)号：CN113422375A
公开(公告)日：2021-09-21
申请号：CN202110716289.7
申请日：2021-06-25
Applicant: 南京工程学院
IPC: H02J3/24 , H02J3/28 , H02J3/32 , H02J3/38 , H02J7/00 , H02J7/34 , G06F17/11 , G06F17/14 , G06N3/00
Abstract: 本发明公开了一种混合储能系统平抑风电功率波动的双层协调控制方法，包括：(1)通过支持向量机回归预测短期风电功率，在所述的支持向量机回归预测过程中，通过人群搜索优化算法优化惩罚因子参数；(2)基于W‑M滤波法将平抑后风电功率作为并网参考功率，计算HESS参考输出功率，采用改进希尔伯特‑黄变换对超级电容器和蓄电池一次功率分配，得到各自的参考补偿功率；(3)系统通过功率优化层，将超级电容器和蓄电池的工作区域进行划分，采用自适应注水算法对HESS的充放电功率和SOC进行协调控制得到期望补偿功率；(4)通过功率实现层，运用机会约束规划方法以最小化为目标，最大和最小充放电功率值为约束，采用SH优化算法得到最终功率设定值。
-
公开(公告)号：CN112649736A
公开(公告)日：2021-04-13
申请号：CN202011392585.8
申请日：2020-12-02
Applicant: 南京工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/387
Abstract: 本发明公开了一种用于退役电池的荷电状态(Stateof Charge，SOC)、健康状态(Stateof Health，SOH)联合估算方法，针对退役电池的离散、不一致等性能缺陷，首先，建立一种综合考虑退役电池性能影响因素的电池单体模型，随后利用电池的混合动力脉冲能力特性(Hybrid PulsePower Characteristic，HPPC)测试所得试验数据对所建模型实施参数识别，同时根据试验数据联合蜂鸟‑神经网络算法估算电池SOH，进而确定电池的实际可用容量，以此为依据对安时积分法进行校正，最后，基于上述所得电池单体离线模型参数和改进安时积分法，采用离线‑迭代算法对电池SOC进行估算。本发明将蜂鸟‑神经网络算法、改进安时积分法、离线‑迭代算法相结合，有效提升了退役电池SOH、SOC估算的快速性与准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.096 seconds)
