公开(公告)号：CN112858917B

公开(公告)日：2022-04-08

申请号：CN202110052494.8

申请日：2021-01-15

Applicant: 哈尔滨工业大学(威海) ,  威海天达汽车科技有限公司

Inventor： 于全庆 ,  俄立新 ,  金毅 ,  王大方 ,  杨博文 ,  张齐 ,  郝自伟 ,  董浩崧 ,  张毕 ,  孙旭

IPC: G01R31/367 ,  G01R31/382 ,  G01R31/385 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 一种基于遗传算法优化神经网络的电池系统多故障诊断方法，涉及新能源汽车动力电池系统安全领域。对所选动力电池加载动态应力测试实验，对电流传感器采集数据和电压传感器采集数据注入多种类型的故障信号，建立故障特征与故障类型的对应关系，建立神经网络，利用遗传算法对该神经网络进行优化，取得电池系统的电流、电压传感器故障数据，采用min‑max标准化，建立传感器的故障特征与故障类型的样本数据；依据样本建立矩阵导入神经网络中，作为系统输入和目标输出进行训练，建立对多种故障进行综合诊断的检测系统，有效提高了故障诊断的检测范围，同时所引入的遗传算法也提高了神经网络运行的效率以及结果的准确率。

公开(公告)号：CN112083336B

公开(公告)日：2022-02-01

申请号：CN202011117166.3

申请日：2020-10-19

Applicant: 哈尔滨工业大学(威海)

Inventor： 李俊夫 ,  于瀚卿 ,  杨龙 ,  于全庆 ,  王宇海 ,  楚潇 ,  任陆宁

IPC: G01R31/367 ,  G01R31/378

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。

公开(公告)号：CN113933714A

公开(公告)日：2022-01-14

申请号：CN202111204509.4

申请日：2021-10-15

Applicant: 哈尔滨工业大学(威海)

Inventor： 李俊夫 ,  薛芳宇 ,  郭添宏 ,  李尚阳 ,  于全庆 ,  方德宇 ,  徐少春 ,  楚潇 ,  王宇海

IPC: G01R31/367 ,  G01R31/388 ,  H01M10/0525

Abstract: 基于简化电化学模型和灰色预测联合的电池容量预测方法，属于电池性能衰减预测领域，为了解决对锂离子电池性能衰减预测精度低的问题。获取锂离子电池在充放电情况下的电流数据和电化学模型参数，所述电化学模型参数包括多个电化学参数；将每个电化学参数在设定的变化范围内取多个均分值，分别代入对应的电化学模型中进行电池放电仿真，获得每个电化学参数的敏感度；从多个电化学参数的敏感度中选出高于预设敏感值的电化学参数作为关键敏感参数；利用灰色预测模型预测关键敏感参数的退化，得到关键敏感参数的预测值；将关键敏感参数的预测值代入电化学模型中模拟恒流放电至截止电压处，预测出锂离子电池的放电容量。它用于预测电池容量。

公开(公告)号：CN114624602B

公开(公告)日：2025-05-13

申请号：CN202210253218.2

申请日：2022-03-15

Applicant: 哈尔滨工业大学(威海) ,  北京空间飞行器总体设计部

Inventor： 于全庆 ,  刘玉坤 ,  穆浩 ,  龙胜文 ,  李俊夫

IPC: G01R31/367 ,  G01R31/396

Abstract: 本发明公开了一种储能电池系统并联支路电流估计值矫正方法，获取干路电路和支路电流估计值，对支路电流估计值进行矫正。对比现有技术，本发明的有益效果在于：通过记录干路电流不同变化情况以及对应的绝对误差的值，确定误差变量和干路电流之间的比例系数，将支路电流估计值减去误差变量得到矫正后的支路电流，所用的矫正方法新颖，矫正流程简单直观。

公开(公告)号：CN115201679B

公开(公告)日：2024-09-17

申请号：CN202210783435.2

申请日：2022-06-27

Applicant: 重庆理工大学 ,  哈尔滨工业大学(威海)

Inventor： 汤爱华 ,  黄渝坤 ,  于全庆 ,  伍心雨 ,  张志刚

IPC: G01R31/36 ,  G01R31/367 ,  G01R31/387 ,  G01R31/396

Abstract: 本发明具体涉及一种计及不一致性的储能电池系统状态估算方法，包括：在电池组充放电过程中，采集电池特征数据；基于单体电池间的不一致性确定电池组每条支路的特征单体电池，建立等效电路模型；构建用于预测估计电池SOC的观测器，分别得到各条支路的电池SOC估计值；计算各条支路的支路电流与电池组的平均支路电流之间的电流偏差，进而计算各条支路的支路电流标准差；基于支路电流标准差为各条支路分配相应的加权值；基于各条支路的电池SOC估计值及对应的加权值进行加权计算，得到电池组的融合SOC估计值作为其状态估算结果。本发明能够基于单体电池的不一致性建立具有互补性的电池组SOC融合预测框架，进而实现储能电池系统SOC的准确估计。

公开(公告)号：CN114924192B

公开(公告)日：2024-09-06

申请号：CN202210556458.X

申请日：2022-05-20

Applicant: 重庆理工大学 ,  哈尔滨工业大学(威海)

Inventor： 汤爱华 ,  于全庆 ,  龙胜文 ,  伍心雨 ,  张志刚

IPC: G01R31/367 ,  G01R31/396 ,  G01R31/385 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/047

Abstract: 本发明具体涉及基于神经网络的并联电池组安全预警方法，包括：构建支路电流预测模型，包括具有稀疏概率多头自注意力层的编码器和解码器；稀疏概率多头自注意力层具有自注意力蒸馏机制；编码器和解码器的输入相互独立，且编码器的输出连接至解码器中；采集并联电池组的实测数据，构建支路电流预测模型的训练数据集；通过训练数据集训练支路电流预测模型；将待测并联电池组的电池组特征数据输入经过训练的支路电流预测模型中，输出两条支路的预测电流，基于两条支路的预测电流判断并联电池组是否存在安全风险。本发明能够在面对大量训练数据时提高预测模型的训练效率和预测准确性，从而能够提高并联电池组的安全预警效果。

公开(公告)号：CN113671380B

公开(公告)日：2024-07-16

申请号：CN202110968446.3

申请日：2021-08-23

Applicant: 哈尔滨工业大学(威海) ,  威海天达汽车科技有限公司

Inventor： 于全庆 ,  万长江 ,  金毅 ,  王大方 ,  张齐 ,  杨博文 ,  李宪营 ,  孙旭 ,  陈仕钦 ,  李建明 ,  龙胜文

IPC: G01R31/367

Abstract: 本发明提供一种基于深度学习的动力电池系统多故障诊断方法，包括故障检测和故障隔离两部分，故障检测针对电池故障早期预警问题，使用编码解码架构的深度学习模型，编码过去一段时间窗口内所测端电压、电流和温度序列，利用之后的电流和温度实测值解码出同步的端电压，与实测对比生成残差序列，经软阈值处理后由多级报警评估策略决定是否触发报警，该报警策略能消除误差波动，防止误报警。之后训练故障隔离深度学习模型，输入软阈值处理后的残差序列，隔离模型输出各故障是触发报警诱因的概率，进而隔离出各故障，从而简化了隔离各传感器故障类型的难度。

公开(公告)号：CN117471326A

公开(公告)日：2024-01-30

申请号：CN202311488869.0

申请日：2023-11-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  杨宇 ,  聂玉威 ,  吴梓康

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/00 ,  B60L58/16

Abstract: 本发明提供了一种锂离子电池组动态不一致性与健康状态评估方法，包括如下步骤：对采集的异常数据进行处理，将连续采集的数据切分为片段获得平均电压曲线；在获得切分后的单体电压数据与平均电压数据后，使用DTW对单体电压与平均电压间的相似度进行评估，获得每个单体与该片段平均电压的相似度；获得相似度后，从每个片段各单体的相似度中估计概率密度分布，使用核函数进行概率密度估计，获得概率密度函数；获得概率密度函数后，对每个片段求取不一致性指标，应用DBSCAN去除异常值后对数据进行拟合，获得最终的SOH变化曲线。本方法受外界干扰小、对采样精度要求低、对异常数据的鲁棒性强，对实车数据与云端数据的均具有更好的适应性。

公开(公告)号：CN116799904A

公开(公告)日：2023-09-22

申请号：CN202310738778.1

申请日：2023-06-20

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  周广辉 ,  徐超 ,  王榘

IPC: H02J7/00 ,  H02M3/04

Abstract: 本发明提供了一种基于主动均衡的锂电池组全电量区间高效充电方法，在电池组快速充电过程中，将电池分为四个充电阶段，包括第一阶段采用多阶恒流快速充电的方式激励各单体电池均以较快速度充电至80％SOC附近，并且使各电池在该阶段充电结束时均能到达上截止电压附近；第二阶段采用恒压充电给电池充入更满的电量；第三阶段为电池静置阶段，将电池静置后根据开路电压获取各单体电池的SOC；第四阶段为均衡补电阶段，该阶段根据获得SOC值直接确定各电池需要均衡补电的时间，使各电池均能充满。本发明使电池组中的各单体电池能够在充电结束SOC值差异最小，且各电池均能够充满，该方法显著改善了电池组的充电效果，有效延长了单体电池的使用寿命。

公开(公告)号：CN116774047A

公开(公告)日：2023-09-19

申请号：CN202310742319.0

申请日：2023-06-21

Applicant: 重庆理工大学 ,  哈尔滨工业大学(威海)

Inventor： 汤爱华 ,  伍心雨 ,  胡远志 ,  龙胜文 ,  于全庆

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/396 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及电池健康管理技术领域，具体涉及基于支路电流估计误差的并联电池组健康状态估计方法，包括：基于神经网络构建支路电流估计模型；将电池组特征数据输入支路电流估计模型，输出两条支路的估计电流；根据两条支路的估计电流和实际电流计算支路电流估计误差；分别计算两条支路的电流估计误差与电流倍率的斜率，并取平均值作为并联电池组的电流估计斜率；拟合电流估计斜率与健康状态之间的双指数经验模型关系，得到并联电池组的健康状态模型；基于支路电流估计模型和健康状态模型实现并联电池组的健康状态估计。本发明能够基于支路电流和电流倍率有效估计并联电池组的健康状态，并且能够通过神经网络模型实现支路电流的准确预测。