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

Inventor： 胡晓松 ,  刘泽宇 ,  李云隆 ,  揭立柱 ,  李劲文 ,  李军 ,  王朝均 ,  徐艺清 ,  刘宗成 ,  张凯 ,  谢翌 ,  高宇翀 ,  何浩

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：CN118205445A

公开(公告)日：2024-06-18

申请号：CN202410143182.1

申请日：2024-02-01

Applicant: 重庆大学

Inventor： 胡晓松 ,  张棒棒 ,  刘文学 ,  李佳承 ,  张凯 ,  李劲文

IPC: B60L58/12 ,  G01R31/367 ,  G01R31/387 ,  G01R31/00

Abstract: 本发明涉及一种模型与数据融合驱动的增强型车载电池荷电状态估计方法，属于电池技术领域。该方法由基于模型且参数实时更新的荷电状态SOC估计器和基于机器学习算法的SOC映射网络并联构成，能够根据车辆运行工况自动匹配最佳SOC估计方法。首先进行车辆运行工况自适应识别，若车辆处于随机动态工况，则选择基于物理模型且参数实时更新的SOC估计器，通过强化学习算法优化估计器的初始谐调参数，实现车载电池参数及SOC的联合估计；若车辆处于连续恒流工况，则选择基于机器学习算法的映射网络实现车载电池SOC的准确估计。与单一的电池SOC估计方法相比，本发明在实际应用中具有更高的准确性、鲁棒性以及泛化能力。

公开(公告)号：CN118169567A

公开(公告)日：2024-06-11

申请号：CN202410207980.6

申请日：2024-02-26

Applicant: 重庆大学

Inventor： 胡晓松 ,  周文涛 ,  张凯 ,  李佳承 ,  李劲文 ,  庄奕 ,  刘弘奥 ,  祁清广

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明涉及一种基于实际运行数据的锂离子电池自适应安全预警方法，属于电池诊断技术领域。该方法选取电压最大值和最小值的差值、温度最大值作为融合特征输入，利用数据增强技术，建立增强矩阵；选取恰当的核函数，将增强矩阵映射到高维特征空间，进而计算增强核马氏距离；根据切比雪夫不等式，计算出自适应阈值，定位出预警时间；基于滑动窗口中位数离群值，确定出多级预警值，并定位异常单体。本方法能够应用于实际运行的锂离子电池组，以热失控车辆数据作为研究对象，通过未发生热失控前的正常电池数据获取相关参数，然后可以计算出该车辆任意时刻的预警指标，通过计算多级自适应阈值，实现热失控的及时预警。