-
公开(公告)号：CN115856635A
公开(公告)日：2023-03-28
申请号：CN202211506617.1
申请日：2022-11-28
Applicant: 重庆理工大学
IPC: G01R31/367
Abstract: 本发明具体涉及基于三维响应面的脉冲电流最优频率获取方法，包括：在电化学阻抗谱测试过程中，获取不同温度下各个荷电状态对应的电池阻抗；对于某一温度下的某一荷电状态：通过阻抗谱获取各个电池阻抗对应的频率；然后将所有电池阻抗和频率进行拟合，并确定最优电池阻抗；最后通过阻抗谱获取该最优电池阻抗相应频率作为最优频率；对不同温度下各个荷电状态的最优频率进行拟合，得到对应的最优频率‑温度‑荷电状态三维响应面；在电池充电时，结合最优频率‑温度‑荷电状态三维响应面获取最优频率作为电池脉冲电流的工作频率。本发明能够建立最优频率‑温度‑荷电状态的三维响应面，进而能够保证电池在整个充电区间的脉冲电流具有最优频率。
-
公开(公告)号：CN115221710A
公开(公告)日：2022-10-21
申请号：CN202210859299.0
申请日：2022-07-20
Applicant: 重庆理工大学
Abstract: 本发明具体涉及基于迁移学习微调策略的多类型储能电池容量估计方法，包括：获取不同类型储能电池的端电压数据，并输入训练后的电池容量估计模型中，输出对应类型储能电池的电池容量估计值；电池容量估计模型基于深度神经网络构建，并进行两次训练；第一次训练：通过某一种类型储能电池的老化实验数据训练电池容量估计模型，得到预训练估计模型；第二次训练：冻结预训练估计模型的核心神经网络层参数并调用其模型参数，得到优化估计模型；然后通过另一种类型储能电池的老化实验数据训练优化估计模型以重构其全连接输出层。本发明能够适用于多种类型储能电池的电池容量估计，且能够在储能电池整个寿命周期内实现电池容量精确估计。
-
公开(公告)号：CN113935222A
公开(公告)日：2022-01-14
申请号：CN202111177852.4
申请日：2021-10-09
Applicant: 重庆理工大学
IPC: G06F30/25 , G06Q50/06 , G06F111/08 , G06F119/08 , G06F119/14
Abstract: 本发明提供了基于有序加权平均算子的动力电池多模型融合估计方法，其首先针对动力电池建立多种等效电路模型，对于每个等效电路模型，先采用容积卡尔曼滤波器进行初步的SOC估算，随后基于实值协方差矩阵确定所建立与各SOC估算结果对应的加权值，基于有序加权平均算子理论，利用该加权值将多个SOC估计结果进行加权融合，进而能够更可靠地得到高精度的电池SOC，在电池整个充放电区间均能保证SOC估计达到局最优。
-
公开(公告)号：CN113868884A
公开(公告)日：2021-12-31
申请号：CN202111177546.0
申请日：2021-10-09
Applicant: 重庆理工大学
IPC: G06F30/20
Abstract: 本发明提供了一种基于证据理论的动力电池多模型容错融合建模方法，通过选用三种以上的等效电路分别对锂离子动力电池进行初步建模，相对现有的只采用单一模型的方法，在所需先验信息较少的前提下，使模型的融合效果和鲁棒性得到了显著提高，依托于适合的参数辨识方法对各模型分别完成参数辨识，并在城市道路工况下分析不同模型精度。最后，基于D–S证据理论融合多个电池模型端电压预测值与实测值之间的偏差和方差，分配基本可信度并确定各模型信度函数，进而确定各模型不同时刻的不同SOC区间段加权值进行融合计算，相对于现有技术大大提高了锂离子动力电池建模的准确度。
-
公开(公告)号：CN115856635B
公开(公告)日：2025-05-16
申请号：CN202211506617.1
申请日：2022-11-28
Applicant: 重庆理工大学
IPC: G01R31/367
Abstract: 本发明具体涉及基于三维响应面的脉冲电流最优频率获取方法，包括：在电化学阻抗谱测试过程中，获取不同温度下各个荷电状态对应的电池阻抗；对于某一温度下的某一荷电状态：通过阻抗谱获取各个电池阻抗对应的频率；然后将所有电池阻抗和频率进行拟合，并确定最优电池阻抗；最后通过阻抗谱获取该最优电池阻抗相应频率作为最优频率；对不同温度下各个荷电状态的最优频率进行拟合，得到对应的最优频率‑温度‑荷电状态三维响应面；在电池充电时，结合最优频率‑温度‑荷电状态三维响应面获取最优频率作为电池脉冲电流的工作频率。本发明能够建立最优频率‑温度‑荷电状态的三维响应面，进而能够保证电池在整个充电区间的脉冲电流具有最优频率。
-
Patent Agency Ranking
公开(公告)号：CN114460471B
公开(公告)日：2025-04-15
申请号：CN202210135245.X
申请日：2022-02-14
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/388 , G06F30/27
Abstract: 本发明具体涉及基于贝叶斯概率的动力电池多算法融合SOC估计方法，包括：构建相应的等效电路模型，对等效电路模型对应的模型参数进行参数辨识；基于多种估计算法分别构建用于预测动力电池端电压和SOC的多个观测器；在动态应力测试工况下，采集动力电池的关联参数，输入各个观测器以输出对应的端电压预测值和SOC估计值；基于不同时刻下的端电压预测值与对应实测值之间的残差，结合贝叶斯概率分配对应的加权值；基于对应的加权值对各个观测器输出的SOC估计值进行加权累加，生成对应的融合SOC估计值。本发明能够有效融合多种估计算法的SOC估计结果并实现多种估计算法的互补，从而能够在动力电池的整个充放电区间保持SOC估计全局最优。
-
公开(公告)号：CN118393361B
公开(公告)日：2025-02-14
申请号：CN202410502836.5
申请日：2024-04-25
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/378 , G01R31/374 , G01R31/385 , G01R31/392 , G01R31/396
Abstract: 本发明涉及锂电池放电容量估算技术领域，且公开了一种无温度传感器的锂电池放电容量估算方法获取锂离子电池老化数据：对锂离子电池进行循环充放电测试，直到放电容量低于标称容量的80%，实时记录电池充放电过程中电压、电流、温度、荷电状态和放电容量数据，并对数据进行处理，依次经过TCN‑GRU模型和transformer模型，进行预测。该无温度传感器的锂电池放电容量估算方法通过在没有温度传感器的情况下利用TCN‑GRU模型预测电池温度，然后提取预测得到的温度值计算充电过程温度平均值和温度增量曲线的峰值作为输入，利用transformer估算电池容量，进而实现在没有温度传感器下得到较为精确的容量值，降低电池管理系统成本。
-
公开(公告)号：CN120009733A
公开(公告)日：2025-05-16
申请号：CN202510086085.8
申请日：2025-01-20
Applicant: 重庆理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G01R31/387 , G16C20/70 , G06F18/2135 , G06F18/2411 , G06F18/25
Abstract: 本发明公开了一种基于电化学模型和机器学习的储能电池SOH估计方法，包括：S1：构建储能电池的电化学模型；S2：在初始老化循环下对电化学模型进行参数辨识；S3：基于参数辨识后的电化学模型提取与电池老化相关的模型特征；S4：基于实验数据提取与电池老化相关的数据特征；S5：对模型特征和数据特征进行相关性分析、特征降维和特征融合，得到融合特征；S6：将融合特征输入训练好的支持向量机模型中，输出对应的电池健康状态预测值。本发明从电化学模型和实验数据中提取与电池老化相关的特征，通过主成分分析法对特征进行降维处理得到融合特征，利用支持向量机建立电池老化模型实现SOH估计，从而有效提高储能电池SOH估计的准确性和泛化性。
-
公开(公告)号：CN115219937B
公开(公告)日：2025-04-22
申请号：CN202210861733.9
申请日：2022-07-20
Applicant: 重庆理工大学
IPC: G01R31/392 , G01R31/367 , G06N3/096 , G06N3/0442 , G06N3/0464
Abstract: 本发明具体涉及基于深度学习的不同老化路径储能电池健康状态估计方法，包括：获取储能电池不同工况下的电池充电电压数据，并输入电池健康估计模型中，输出对应工况下的电池健康状态估计值；电池健康估计模型基于深度神经网络构建并进行两次训练；第一次训练：通过某一工况下的电池老化实验数据训练电池健康估计模型；第二次训练：冻结预训练估计模型的核网络层参数并调用其模型参数；然后通过不同工况下的电池老化实验数据训练优化估计模型以调整其全连接输出层的参数，得到训练后的电池健康估计模型。本发明能够适用于多种工况下的电池健康状态估计且无需大规模的训练数据，进而能够降低估计模型的训练难度和成本、提高估计模型的适用范围。
-
公开(公告)号：CN115542724B
公开(公告)日：2024-11-22
申请号：CN202211313596.1
申请日：2022-10-25
Applicant: 重庆理工大学
IPC: G05B11/42
Abstract: 本发明具体涉及基于PEMFC供气系统的滑模与PID级联控制方法，其中，提高过氧比(OER)和净功率是研究的热点。由于PEMFC供气系统的阴极压强是一个不可测数据，因此本发明在PEMFC三阶模型的基础上，构建对应的扩张状态观测器，进一步利用扩展状态观测器快速重构OER，以最大功率为控制目标拟合得到对应的最佳OER曲线，采用一种滑模与PID级联控制的方式来调节PEMFC的OER，进而确定PEMFC供氧系统的阴极进气量，以实现PEMFC的空气供给控制。本发明能够准确估计符合实际情况的系统阴极压强，并且能够准确控制系统的阴极进气量。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.03 seconds)
