公开(公告)号：CN114184972B

公开(公告)日：2023-12-22

申请号：CN202111285759.5

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/392

摘要： 本发明涉及一种数据驱动与电化学机理结合的电池SOH自动估计方法及设备，包括以下步骤：获取每个电池单体的电流、端电压和温度信息，计算每次充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线；在相同充放电模式的循环周期内，分别提取各曲线的关键点序列；基于各曲线的关键点序列及对时间序列的回归，获得SOH相关指标组；基于预先离线获取的指标权重及所述SOH相关指标组，得到各电池单体的最终SOH估计SOHi；根据各电池单体的SOHi，结合单体的SOH平均水平和分布差异，获得整个电池簇的最终SOH估计。与现有技术相比，本发明具有有效、准确等优点。(56)对比文件姜久春;马泽宇;李雪;张彩萍;张维戈.基于开路电压特性的动力电池健康状态诊断与估计.北京交通大学学报.2016,第40卷(第04期),第92-98页.

公开(公告)号：CN114184972A

公开(公告)日：2022-03-15

申请号：CN202111285759.5

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/392

摘要： 本发明涉及一种数据驱动与电化学机理结合的电池SOH自动估计方法及设备，包括以下步骤：获取每个电池单体的电流、端电压和温度信息，计算每次充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线；在相同充放电模式的循环周期内，分别提取各曲线的关键点序列；基于各曲线的关键点序列及对时间序列的回归，获得SOH相关指标组；基于预先离线获取的指标权重及所述SOH相关指标组，得到各电池单体的最终SOH估计SOHi；根据各电池单体的SOHi，结合单体的SOH平均水平和分布差异，获得整个电池簇的最终SOH估计。与现有技术相比，本发明具有有效、准确等优点。

公开(公告)号：CN114035095B

公开(公告)日：2023-12-22

申请号：CN202111285782.4

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/392 ,  G01R31/3835

摘要： 本发明涉及一种基于电压曲线拐点识别的锂电池SOH估计方法、介质及设备，所述方法包括以下步骤：采集BMS系统监测到的恒流充电过程第二个电压平台周围的充电数据，获取端电压与对应采样时间，构成电压‑时间曲线；通过逐点识别所述曲线在每点处的角度变化识别拐点，以识别到的拐点构建单个充电周期中的SOH健康因子；将充电过程的当前周期的SOH健康因子与平均温度组合成特征向量；将所述特征向量作为一离线训练获得的电芯最大剩余容量回归模型的输入，预测获得下一个循环周期的最大剩余容量预测值，完成SOH估计。与现有技术相比，本发明具有SOH估计精度高等优点。

公开(公告)号：CN114035095A

公开(公告)日：2022-02-11

申请号：CN202111285782.4

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/392 ,  G01R31/3835

摘要： 本发明涉及一种基于电压曲线拐点识别的锂电池SOH估计方法、介质及设备，所述方法包括以下步骤：采集BMS系统监测到的恒流充电过程第二个电压平台周围的充电数据，获取端电压与对应采样时间，构成电压‑时间曲线；通过逐点识别所述曲线在每点处的角度变化识别拐点，以识别到的拐点构建单个充电周期中的SOH健康因子；将充电过程的当前周期的SOH健康因子与平均温度组合成特征向量；将所述特征向量作为一离线训练获得的电芯最大剩余容量回归模型的输入，预测获得下一个循环周期的最大剩余容量预测值，完成SOH估计。与现有技术相比，本发明具有SOH估计精度高等优点。

公开(公告)号：CN114167284B

公开(公告)日：2023-12-22

申请号：CN202111285780.5

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/36

摘要： 本发明涉及一种基于BMS大数据和集成学习的锂电池RUL预测方法及设备，所述方法包括以下步骤：根据待测电池充电阶段电池BMS监测到的电流、端电压以及温度信息，计算多个充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线，基于各曲线关键点提取特征向量序列(FIC_i，FDV_i，FV_i，FDT_i，Find_i)；基于所提取的特征向量序列对未来循环周期进行预测，得到特征向量预测值；以所述特征向量预测值作为离线训练好的最大剩余容量回归模型的输入，得到对应的最大剩余容量预测，从而得到RUL预测结果，其中，所述最大剩余容量回归模型基于XGBoost集成学习模型建立。与现有技术相比，本发明具有适用范

公开(公告)号：CN115808639A

公开(公告)日：2023-03-17

申请号：CN202211397882.0

申请日：2022-11-09

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲 ,  韩竞科

IPC分类号： G01R31/396 ,  G01R31/392

摘要： 本发明涉及一种锂电池系统在线主动动态标定装置、方法及存储介质，具体的，通过设计可以对独立的电池串或者单体电池进行充放电控制的架构，配合可以设计的头部标定和尾部标定的充放电过程，可以实现电池串或者单体电池在不进行拆卸时即可完成在线主动标定，得到通过在线方式更加准确的实际工况下的电池数据，从而低成本地得到更多的电池在实际工况下的测试集数据，整体提高电池容量预测AI模型的发展。

公开(公告)号：CN114167284A

公开(公告)日：2022-03-11

申请号：CN202111285780.5

申请日：2021-11-02

申请人： 江苏博强新能源科技股份有限公司

发明人： 赵玲玲

IPC分类号： G01R31/36

摘要： 本发明涉及一种基于BMS大数据和集成学习的锂电池RUL预测方法及设备，所述方法包括以下步骤：根据待测电池充电阶段电池BMS监测到的电流、端电压以及温度信息，计算多个充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线，基于各曲线关键点提取特征向量序列(FIC_i，FDV_i，FV_i，FDT_i，Find_i)；基于所提取的特征向量序列对未来循环周期进行预测，得到特征向量预测值；以所述特征向量预测值作为离线训练好的最大剩余容量回归模型的输入，得到对应的最大剩余容量预测，从而得到RUL预测结果，其中，所述最大剩余容量回归模型基于XGBoost集成学习模型建立。与现有技术相比，本发明具有适用范围广、预测精度高等优点。