公开(公告)号：CN110703114A

公开(公告)日：2020-01-17

申请号：CN201911031589.0

申请日：2019-10-28

Applicant: 重庆大学

Inventor： 冯飞 ,  谢翌 ,  李夔宁 ,  谢家乐 ,  腾桑黎 ,  杨瑞 ,  刘波 ,  李可心 ,  李云隆 ,  李佳承

IPC: G01R31/388 ,  G01R31/389 ,  G01R31/36

Abstract: 本发明涉及一种基于电-热-神经网络耦合模型的动力电池SOC和SOT联合状态估计方法，属于电池管理领域。该方法包括：S1选定待测动力电池，搜集整理相关技术参数，建立该动力电池时域内连续的ETSM模型，并确定模型输入输出参数；S2在不同温度下模拟两个城市驾驶循环工况和两个公路驾驶循环工况，采集电池状态数据；S3对ETSM模型进行参数辨识，得到电-热子模型的特性参数；S4利用参数化的ETSM模型生成训练数据库，进行神经网络训练，建立ETNN模型，对端电压Vsp与核心温度Tc进行估计；S5采用UKF对电池SOC和SOT进行联合估计。本发明能够在极端温度和大电流条件下，对动力电池进行状态有效估计。

公开(公告)号：CN110703114B

公开(公告)日：2022-03-11

申请号：CN201911031589.0

申请日：2019-10-28

Applicant: 重庆大学

Inventor： 冯飞 ,  谢翌 ,  李夔宁 ,  谢家乐 ,  腾桑黎 ,  杨瑞 ,  刘波 ,  李可心 ,  李云隆 ,  李佳承

IPC: G01R31/388 ,  G01R31/389 ,  G01R31/36

Abstract: 本发明涉及一种基于电‑热‑神经网络耦合模型的动力电池SOC和SOT联合状态估计方法，属于电池管理领域。该方法包括：S1选定待测动力电池，搜集整理相关技术参数，建立该动力电池时域内连续的ETSM模型，并确定模型输入输出参数；S2在不同温度下模拟两个城市驾驶循环工况和两个公路驾驶循环工况，采集电池状态数据；S3对ETSM模型进行参数辨识，得到电‑热子模型的特性参数；S4利用参数化的ETSM模型生成训练数据库，进行神经网络训练，建立ETNN模型，对端电压Vsp与核心温度Tc进行估计；S5采用UKF对电池SOC和SOT进行联合估计。本发明能够在极端温度和大电流条件下，对动力电池进行状态有效估计。