公开(公告)号：CN114859248B

公开(公告)日：2025-04-29

申请号：CN202210603673.0

申请日：2022-05-30

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 ,  龚鹏

IPC: G01R31/387 ,  G01R31/389 ,  G01R31/396 ,  B60L58/12 ,  G06T11/20 ,  G06F17/18

Abstract: 本发明涉及电动汽车动力电池管理技术领域，具体涉及用于电池组的温度‑OCV‑SOC响应面构建方法，包括：采集动力电池组中各个单体电池的电池特征数据，生成不同环境温度下各个单体电池的OCV‑SOC曲线；基于采集的电池特征数据对动力电池组中各个单体电池的欧姆内阻进行参数辨识；对动力电池组中各个单体电池进行不一致性分析，选择一致性最差的单体电池作为特征单体电池；基于不同环境温度下特征单体电池的OCV‑SOC曲线构建OCV‑SOC曲线簇；对OCV‑SOC曲线簇进行温度的二维插值，生成对应的温度‑OCV‑SOC三维响应面，以实现SOC估计。本发明能够准确的构建动力电池组的温度‑OCV‑SOC三维响应面，以便于基于动力电池组的温度‑OCV‑SOC三维响应面完成SOC估计。

公开(公告)号：CN115097313B

公开(公告)日：2025-02-11

申请号：CN202210744779.2

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 ,  李加洁 ,  于全庆 ,  伍心雨 ,  张志刚

IPC: G01R31/367 ,  G01R31/388

Abstract: 本发明具体涉及适用于多工况全电量区间的动力电池状态估算方法，包括：建立动力电池的等效电路模型，并对等效电路模型进行参数辨识；采集动力电池的开路电压特征数据并拟合动力电池的SOC‑OCV曲线；基于等效电路模型以及动态特征数据和SOC‑OCV曲线结合各种滤波算法生成对应的端电压预测值和SOC估计值；基于端电压预测值与对应实测值之间的电压残差，结合OWA算子为各种滤波算法的SOC估计值分配对应的加权值；基于各种滤波算法的SOC估计值及对应的加权值进行加权计算，得到动力电池的融合SOC估计值作为其状态估算结果。本发明能够有效融合多种滤波算法的SOC估计结果并实现多种滤波算法的互补，进而能够实现动力电池多工况全电量区间的SOC估计全局最优。

公开(公告)号：CN114740365B

公开(公告)日：2024-12-06

申请号：CN202210422955.0

申请日：2022-04-21

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  刘玉坤 ,  金鑫 ,  龙胜文 ,  李俊夫 ,  王大方

IPC: G01R31/367

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#imgabs0#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#imgabs1#和#imgabs2#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。

公开(公告)号：CN118884277A

公开(公告)日：2024-11-01

申请号：CN202410930020.2

申请日：2024-07-11

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  杨宇 ,  张宇轩 ,  汤爱华

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/396 ,  G06F18/2433 ,  G06F17/18

Abstract: 本发明涉及电池故障诊断技术领域，公开了一种电池种锂离子电池组热失控早期诊断方法，包括S1、获取锂离子电池组单体电压数据；S2、对获取的单体电压数据中的异常值进行处理；S3、基于时间、充电状态、SOC、里程对单体电压数据进行切分；S4、在获得切分后的单体电压充电片段Vc、放电片段Vd及充电电流I后，从中提取故障特征；S5、获得所需的各类特征后，构建故障诊断模型，实现对多模态特征的处理，进而实现故障诊断。本发明有益效果在于：实现了对多维电池故障特征的融合输入与处理，对不同故障具有广泛的适应性，具有较好的准确率与可靠性，同时无监督学习的方法大大降低了故障诊断难度。

公开(公告)号：CN115469226B

公开(公告)日：2024-08-20

申请号：CN202210913103.1

申请日：2022-08-01

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  龙胜文 ,  伍心雨 ,  汤爱华

IPC: G01R31/367 ,  G01R31/389 ,  G01R31/396

Abstract: 本发明公开了一种基于运行大数据的电动汽车动力电池实时安全预警方法，包括以下步骤：S1、数据读取，读取动力电池过往历史数据的总电流、总SOC、以及单体电压；S2、数据清洗，针对缺失数据、重复值数据、错误数据进行清洗；S3、数据分析，提取不同充电时刻的电压值，建立OCV‑SOC曲线；S4、参数辨识，通过拟合得到的OCV‑SOC曲线，对实时采集数据利用Rint模型进行参数辨识，得到充电段的直流内阻和放电段的直流内阻；S5、安全预警，对充电片段内阻和放电片段内阻进行预警。本发明的有益效果在于：基于内阻信息提出的时间空间双维度安全预警方法即能有效诊断出发生故障的具体时间，还能诊断出现故障的具体电池单体，有效的实现电池系统安全精确预警。

公开(公告)号：CN113933714B

公开(公告)日：2024-07-02

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：CN114814593B

公开(公告)日：2024-06-11

申请号：CN202210466822.3

申请日：2022-04-29

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  李建明 ,  龙胜文 ,  金鑫 ,  李俊夫 ,  王大方

IPC: G01R31/367 ,  G06F18/22

Abstract: 本发明公开了一种两步检测策略的电池组多故障快速诊断方法，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。

公开(公告)号：CN112009252B

公开(公告)日：2023-12-01

申请号：CN202011072539.X

申请日：2020-10-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  张昕 ,  万长江 ,  侯芹忠 ,  李俊夫 ,  黄永和 ,  修瑜林 ,  刘嘉琳 ,  李昊 ,  林野

IPC: B60L3/00 ,  B60L58/12

Abstract: 本发明提供了一种动力电池系统故障诊断及容错控制方法，采用了以端电压为输入、电流为输出的包含电流传感器故障值在内的增广状态空间方程，通过算法实时估计出电流传感器故障值，当故障值的绝对值超过阈值即可判断传感器发生故障，然后对模型参数辨识和SOC估计进行容错控制。因该方法以电流为输出，故更适合检测电流传感器故障。此外，增广状态空间方程包含传感器故障值有助于后续参数辨识和状态估计的容错控制，提高了系统的可靠性。

公开(公告)号：CN117103997A

公开(公告)日：2023-11-24

申请号：CN202311080934.6

申请日：2023-08-25

Applicant: 哈尔滨工业大学(威海) ,  重庆理工大学

Inventor： 于全庆 ,  汤爱华 ,  吴梓康 ,  张志刚

IPC: B60L3/00 ,  B60L58/10

Abstract: 本发明具体涉及一种计及电池系统放电数据的电池热失控风险检测方法，包括：在电池组充放电过程中采集电池组的特征数据；对电池组的特征数据进行充放电循环的划分，并提取电池组某次循环的放电数据；通过纵向离群均值算法根据电池组所选循环的放电数据，计算各个单体电池所选循环的电池热失控风险值；将电池热失控风险值超过设置的风险阈值的单体电池作为可疑电池；通过设置的判断机制对可疑电池进行进一步检测，并根据检测结果进行电池热失控风险报警。本发明能够对电池热失控风险进行量化评估以直观且有效的获知电池的热失控风险，能够改善电池热失控误报警频发的问题，从而提高电池热失控风险检测的准确性和有效性。

公开(公告)号：CN115754724A

公开(公告)日：2023-03-07

申请号：CN202211075104.X

申请日：2022-09-03

Applicant: 哈尔滨工业大学(威海)

Inventor： 于全庆 ,  刘世卓 ,  李俊夫 ,  王大方

IPC: G01R31/36 ,  G01R31/367 ,  G01R31/378 ,  G01R31/392 ,  G01R31/396

Abstract: 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法，包括以下步骤：S1、采用Thevenin模型构建电池模型；S2、电池模型的参数辨识；S3、提取端电压误差均值和中位数；S4、采用欧氏距离来描述电池老化之前和老化之后的差异；S5、建立欧氏距离与电池SOH之间的经验模型。本发明的有益效果在于：能够通过未来不确定性动态工况放电的数据估计电池的SOH，模型具有良好的精度和泛化性能；且不需要辨识电池模型每个老化点下的参数，仅辨识初始循环的电池模型的参数。