一种考虑动力电池耐久性影响的峰值功率预测方法

    公开(公告)号:CN112068000B

    公开(公告)日:2022-03-11

    申请号:CN202011034157.8

    申请日:2020-09-27

    Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法,相对于现有技术除了以电池最高温度值作为约束外,还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况,因此本发明能够更好的反应电池的健康状态变化情况,减少容量损失,提高耐久性。此外,考虑到电流倍率会对电池的容量衰退轨迹造成影响,本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系,以容量衰退限值为约束进行持续充放电峰值电流预测,进而实现电池持续充放电峰值功率预测,对于电池的耐久性具有重要意义。

    一种基于动态阈值模型的电动汽车故障诊断方法

    公开(公告)号:CN112285569A

    公开(公告)日:2021-01-29

    申请号:CN202011181863.5

    申请日:2020-10-29

    Abstract: 本发明提供一种基于动态阈值模型的电动汽车故障诊断方法,该方法用于电动汽车中电池系统故障诊断,在阈值模型建立和参数辨识算法两方面进行了改进,在不同温度下进行电路基础特性测试实验,得到等效电路模型参数;建立OCV‑SOC‑Q三维响应面模型;采用带遗忘因子的递推最小二乘法进行模型参数辨识,建立关于R0和τ的动态阈值模型。在实际故障诊断过程当中,利用双扩展卡尔曼滤波算法辨识参数和状态,得到电池R0和τ、容量及SOC;采用温度插值的方法确定参数参考值;确定参数阈值;生成残差;通过对比残差与阈值来判断电池是否发生故障。该方法不仅故障诊断率高,还能避免检测不及时、误警和漏警问题。

    一种考虑动力电池耐久性影响的峰值功率预测方法

    公开(公告)号:CN112068000A

    公开(公告)日:2020-12-11

    申请号:CN202011034157.8

    申请日:2020-09-27

    Abstract: 本发明提供了一种考虑动力电池耐久性影响的峰值功率预测方法,相对于现有技术除了以电池最高温度值作为约束外,还增加了电池温度的变化率约束和老化约束。由于电池的温升变化率在电池处于任意环境温度时均能很好的反应电池的健康变化情况,因此本发明能够更好的反应电池的健康状态变化情况,减少容量损失,提高耐久性。此外,考虑到电流倍率会对电池的容量衰退轨迹造成影响,本发明从容量损失模型入手推导出电流倍率与容量衰退约束的关系,以容量衰退限值为约束进行持续充放电峰值电流预测,进而实现电池持续充放电峰值功率预测,对于电池的耐久性具有重要意义。

    一种锂离子电池电化学简化模型及其参数的获取方法

    公开(公告)号:CN110442901A

    公开(公告)日:2019-11-12

    申请号:CN201910556608.5

    申请日:2019-06-25

    Abstract: 一种锂离子电池电化学简化模型及其参数的获取方法,涉及锂离子电池的机理模型,锂离子电池电化学简化模型为:其中,Uapp为锂离子电池的端电压;Up、Un为正负极开路电势;t为时间、t+为阳离子迁移数;ysurf和xsurf为正负极固相表面锂离子浓度;R为理想气体常数;F为法拉第常数;T为锂离子电池的工作温度;c0为电解液中的初始锂离子浓度;mp和mn为中间变量,无具体的物理意义;△c1和△c2是正、负极集流体处的锂离子浓度相对于电解液中的初始锂离子浓度c0的改变量;Rohm为锂离子电池等效的欧姆内阻;I为外电流,规定放电为正,充电为负。本发明能够实现不同钴酸锂材料电池在4C倍率及以下端电压的精确仿真。

    一种基于机器学习的动力电池并联支路电流估计和矫正方法

    公开(公告)号:CN114740365A

    公开(公告)日:2022-07-12

    申请号:CN202210422955.0

    申请日:2022-04-21

    Abstract: 本发明公开了一种基于机器学习的动力电池并联支路电流估计和矫正方法,获取动态工况下的并联电池组的干路电路I,两条支路电流I1,I2以及支路电压V;利用安时积分法得到荷电状态SOCI;通过第一个BP神经网络对并联电池组支路电流进行估计,得到并联电池组支路电流估计值和除目标工况外其余动态工况估计误差EOB1和EOB2;通过第二个BP神经网络得到目标工况下两条支路电流估计值的误差和将目标工况下的支路电流估计值减去估计误差即可得到矫正后的支路电流估计值。本发明的有益效果在于:本发明首次提出对估计误差进行训练学些,形成双神经网络模型进行估计及矫正,大幅降低复杂工况下的电流估计误差。

    一种锂离子电池组电化学模型参数获取方法

    公开(公告)号:CN112083336A

    公开(公告)日:2020-12-15

    申请号:CN202011117166.3

    申请日:2020-10-19

    Abstract: 本发明提供了一种锂离子电池组电化学模型参数获取方法,其基于激励响应分析对不同个体电池在辨识工况下放电末端的电压曲线进行对比分析,估算出辨识工况下各单体电池所对应的放电容量,提取辨识工况中的搁置末端的端电压,从而辨识出不同单体电池的电化学模型基本工作过程相关参数,进而实施其他参数的获取,实现了电化学模型在电池组上的应用,同时为简化电化学模型在电池管理系统中的应用如荷电状态估计、健康状态评估等提供了技术支持。

    基于闵氏距离和两步检测策略的电池组多故障诊断方法

    公开(公告)号:CN114814593A

    公开(公告)日:2022-07-29

    申请号:CN202210466822.3

    申请日:2022-04-29

    Abstract: 本发明公开了基于闵氏距离和两步检测策略的电池组多故障诊断方法,包括以下步骤:S1、按照串‑并联交错电压测量设计布置传感器的位置,在不同的故障条件下,采集每个传感器测量的电压数据;S2、建立闵氏距离相似度计算公式;S3、根据闵氏距离相似度计算模型计算闵氏距离相似度,建立故障诊断策略;S4、建立基于阈值的能够区分出具有相似特征故障的隔离模型。本发明的有益效果在于:根据串‑并联电池组交错电压测量设计,可以有效地识别并定位出连接松脱故障、传感器故障和短路故障,无需复杂的电池模型,对数据依赖度低,计算量小。

Patent Agency Ranking