-
公开(公告)号：CN118707343B
公开(公告)日：2025-03-25
申请号：CN202410869836.9
申请日：2024-07-01
Applicant: 重庆大学
IPC: G01R31/36 , G01R31/392 , G01R31/367 , G01R31/385 , G01R31/387 , G01R19/00
Abstract: 本发明涉及一种基于部分放电数据的电池最大容量的在线估计方法，属于电池健康管理领域。该方法包括以下步骤：S1：选定待测电池，获取电池的基本参数并进行初始容量的标定；S2：对电池进行老化协议为恒流恒压充电和恒流放电的循环充放电实验，收集实验过程中的电流电压数据，并对数据进行预处理建立电池老化数据集。S3：计算出每个循环的放电容量，提取电池放电过程中特定电压对应的容量作为健康因子，结合高斯过程回归算法构建电池的容量估计模型。S4：利用训练好的高斯过程回归模型进行电池容量的在线估计。本发明利用部分放电容量数据，避免了基于IC曲线的健康因子提取过程中可能出现的问题。
-
公开(公告)号：CN118914901A
公开(公告)日：2024-11-08
申请号：CN202411004524.8
申请日：2024-07-25
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/385 , G01R31/389
Abstract: 本发明涉及一种基于弛豫时间和无监督学习的锂离子电池组内短路故障诊断方法，属于电池技术领域。其包括：收集电气化设备电池包的运行数据，以及电池包中各个单体的单体运行数据，并建立电池运行数据库；根据所收集到的电池数据，筛选出电池包充电结束后的静置阶段各单体的弛豫电压；从各单体的弛豫电压中提取出弛豫时间变化曲线，并截取暂态过程稳定程度系数α在预设范围内的片段作为特征弛豫时间片段；根据统计学原理在特征弛豫时间片段的基础上提取故障特征；利用局部离群因子算法对各单体进行内短路故障识别并对其故障严重程度进行评分。本发明能够有效地对电池包进行内短路故障检测和故障程度评分。
-
公开(公告)号：CN119861304A
公开(公告)日：2025-04-22
申请号：CN202411965897.1
申请日：2024-12-30
Applicant: 重庆大学 , 中国汽车工程研究院股份有限公司 , 中检汽车测评技术(深圳)有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G06F18/2321 , G06F18/2337 , G06F18/23213 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及一种面向实车工况的电池故障辨识方法，属于电池技术领域。该方法包括以下步骤：S1：收集电动汽车的电池运行数据，包含电池包中各个单体的运行数据，建立电池运行数据库；S2：根据所收集到的电池数据，利用相关性系数法筛选出和单体电压具有高相关性的特征；S3：建立准确的电压估计模型；S4：将电动汽车实时的动力电池运行数据输入S3中训练好的模型中，基于实时电压和模型估计电压的残差，判断是否有故障出现；S5：当检测到故障产生，设计滑动窗口提取故障的敏感特征，构建故障特征二维图；S6：利用无监督聚类算法辨识检测到的故障是电池故障还是传感器读数异常。本发明可以大幅降低误报和错报的风险。
-
公开(公告)号：CN118707343A
公开(公告)日：2024-09-27
申请号：CN202410869836.9
申请日：2024-07-01
Applicant: 重庆大学
IPC: G01R31/36 , G01R31/392 , G01R31/367 , G01R31/385 , G01R31/387 , G01R19/00
Abstract: 本发明涉及一种基于部分放电数据的电池最大容量的在线估计方法，属于电池健康管理领域。该方法包括以下步骤：S1：选定待测电池，获取电池的基本参数并进行初始容量的标定；S2：对电池进行老化协议为恒流恒压充电和恒流放电的循环充放电实验，收集实验过程中的电流电压数据，并对数据进行预处理建立电池老化数据集。S3：计算出每个循环的放电容量，提取电池放电过程中特定电压对应的容量作为健康因子，结合高斯过程回归算法构建电池的容量估计模型。S4：利用训练好的高斯过程回归模型进行电池容量的在线估计。本发明利用部分放电容量数据，避免了基于IC曲线的健康因子提取过程中可能出现的问题。
-
-
-
Search Results
4
records
(took 0.013 seconds)
