公开(公告)号：CN113406557A

公开(公告)日：2021-09-17

申请号：CN202110701575.6

申请日：2021-06-23

Applicant: 深圳市计量质量检测研究院(国家高新技术计量站、国家数字电子产品质量监督检验中心) ,  哈尔滨工业大学

Inventor： 陈少辉 ,  郑文斌 ,  尹洪涛 ,  卢文斌 ,  周頔 ,  陈锐衡 ,  付平 ,  魏明晨 ,  王天城 ,  周欣雨 ,  石金龙

IPC: G01R35/04 ,  G06F30/20

Abstract: 本发明提出一种传播式充电桩远程检定方法，本发明采集充电过程数据，充电过程数据包括充电桩接口ID号、电动汽车VIN码、电动汽车BMS测量电压、电动汽车BMS测量电流、电动汽车BMS计量电能、充电桩测量电压、充电桩测量电流和充电桩计量电能，将充电过程数据作差来得到测量误差，完成充电桩远程预检定；通过保证数个使用频率较高的充电桩测量精度，借助电动汽车的充电行为，从而将标准量值传递至整个充电过程形成的网络，完成对充电桩的远程预检定；极大减少了检定人员的工作量，提高了检定效率，节省了检定工作耗费的成本。同时，作为一种在线的远程检定系统，能够在第一时间发现问题，保证了实时性。

公开(公告)号：CN113740736B

公开(公告)日：2024-04-02

申请号：CN202111009944.1

申请日：2021-08-31

Applicant: 哈尔滨工业大学

Inventor： 郑文斌 ,  尹洪涛 ,  付平 ,  周欣雨 ,  董浩 ,  刘浪宇 ,  石金龙

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/392

Abstract: 本发明提出一种基于深度网络自适应的电动汽车锂电池SOH估算方法，先对数据进行预处理，数据预处理后在原有的电压、电流、时间曲线的基础上构建SOC曲线和容量增量IC曲线，并根据这些曲线进行了特征提取；利用皮尔逊相关系数PCC计算提取出的特征与SOH的相关性，验证特征提取是否有效；再构建SOH估算模型；通过在深度网络中添加自适应层结合深度学习和领域自适应，实现迁移学习，建立出基于深度自适应网络的SOH估算模型；本发明能够有效的将电池老化信息从实验数据中迁移到工况数据下，有效的弥补了工况下电池老化信息不足的问题，提高了工况下SOH估算的精度，使其能够满足SOH估算的需求，可以应用于车载电池管理系统中。

公开(公告)号：CN116859247A

公开(公告)日：2023-10-10

申请号：CN202310924511.1

申请日：2023-07-26

Applicant: 哈尔滨工业大学

Inventor： 郑文斌 ,  乔家庆 ,  付平 ,  白晨宇 ,  陈峻洋 ,  周欣雨 ,  石通航

IPC: G01R31/36 ,  G01R31/378 ,  G01R31/367 ,  G01R31/382 ,  G01R31/3842 ,  G01R31/385 ,  G01R31/388 ,  G01R31/392 ,  G01R31/387

Abstract: 基于多源迁移学习的电动汽车锂电池SOH估算方法，它涉及一种电动汽车锂电池SOH估算方法。本发明为了解决现有估算方法难以满足工况下电动车SOH日常估算需求的问题。本发明的步骤包括步骤一、数据预处理及特征提取；步骤二、领域选择；步骤三、SOH估算模型训练；步骤四、构建基于多源对抗领域自适应网络的估算网络。本发明属于电池健康状态及迁移学习技术领域。

公开(公告)号：CN116859247B

公开(公告)日：2024-06-14

申请号：CN202310924511.1

申请日：2023-07-26

Applicant: 哈尔滨工业大学

Inventor： 郑文斌 ,  乔家庆 ,  付平 ,  白晨宇 ,  陈峻洋 ,  周欣雨 ,  石通航

IPC: G01R31/36 ,  G01R31/378 ,  G01R31/367 ,  G01R31/382 ,  G01R31/3842 ,  G01R31/385 ,  G01R31/388 ,  G01R31/392 ,  G01R31/387

Abstract: 基于多源迁移学习的电动汽车锂电池SOH估算方法，它涉及一种电动汽车锂电池SOH估算方法。本发明为了解决现有估算方法难以满足工况下电动车SOH日常估算需求的问题。本发明的步骤包括步骤一、数据预处理及特征提取；步骤二、领域选择；步骤三、SOH估算模型训练；步骤四、构建基于多源对抗领域自适应网络的估算网络。本发明属于电池健康状态及迁移学习技术领域。

公开(公告)号：CN113740736A

公开(公告)日：2021-12-03

申请号：CN202111009944.1

申请日：2021-08-31

Applicant: 哈尔滨工业大学

Inventor： 郑文斌 ,  尹洪涛 ,  付平 ,  周欣雨 ,  董浩 ,  刘浪宇 ,  石金龙

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/392

Abstract: 本发明提出一种基于深度网络自适应的电动汽车锂电池SOH估算方法，先对数据进行预处理，数据预处理后在原有的电压、电流、时间曲线的基础上构建SOC曲线和容量增量IC曲线，并根据这些曲线进行了特征提取；利用皮尔逊相关系数PCC计算提取出的特征与SOH的相关性，验证特征提取是否有效；再构建SOH估算模型；通过在深度网络中添加自适应层结合深度学习和领域自适应，实现迁移学习，建立出基于深度自适应网络的SOH估算模型；本发明能够有效的将电池老化信息从实验数据中迁移到工况数据下，有效的弥补了工况下电池老化信息不足的问题，提高了工况下SOH估算的精度，使其能够满足SOH估算的需求，可以应用于车载电池管理系统中。