公开(公告)号：CN119619856A

公开(公告)日：2025-03-14

申请号：CN202411770807.3

申请日：2024-12-04

Applicant: 长安大学

Inventor： 巫春玲 ,  赵玉冰 ,  耿莉敏 ,  陈昊 ,  陈俊硕

IPC: G01R31/367 ,  G06F30/36 ,  H01M10/42 ,  H01M10/48

Abstract: 一种基于改进最大相关熵EKF算法的SOC估计方法、系统、设备及介质，首先，采用二阶RC等效电路模型，描述电池的瞬态和动态特性即推导出锂离子电池的状态空间方程，对SOC和OCV数据进行曲线拟合，得到SOC与OCV的映射关系式；然后，基于二阶RC等效电路模型和参数数据，通过广义混合最大相关熵扩展卡尔曼滤波算法，对电池等效电路模型进行状态更新，实现不同工作条件下的SOC估计；本发明通过优化卡尔曼滤波过程并引入广义混合最大相关熵准则，解决了传统方法在非高斯噪声环境下的不足，显著提高了SOC估计的精度、鲁棒性；相较于现有技术，该方法能够更好地适应电池系统中的复杂噪声和动态工况，为电池管理系统的优化提供了一种更加先进和可靠的解决方案。

公开(公告)号：CN117723997A

公开(公告)日：2024-03-19

申请号：CN202311685084.2

申请日：2023-12-09

Applicant: 长安大学

Inventor： 巫春玲 ,  付俊成 ,  赵玉冰 ,  陈俊硕 ,  宋江鑫

IPC: G01R31/392 ,  G01R31/388 ,  G01R31/36 ,  G01R31/396

Abstract: 本发明公开了一种基于优化时域卷积网络的锂电池健康状态预测方法、系统、设备及存储介质，通过利用变分模态分解‑排列熵和改进蜣螂算法优化的时域卷积网络结合的方法，首先采用VMD算法将原始SOH数据分解成一系列不同的子模态，利用PE算法分析其复杂度并重组得到子序列，然后采用TCN网络对各子序列进行预测，在模型训练前采用SPM混沌映射、黄金正弦策略和自适应高斯‑柯西混合变异扰动的IDBO算法对TCN参数进行优化；最后叠加各子序列的预测值作为最终预测结果，精准的预测到容量再生等非线性分量趋势，减小了非线性分量对SOH预测的影响，通过IDBO对TCN的超参数进行优化极大提高SOH的预测精度和预测稳定性。