公开(公告)号：CN116577686B

公开(公告)日：2023-09-26

申请号：CN202310857464.3

申请日：2023-07-13

Applicant: 北京和瑞储能科技有限公司

Inventor： 郭霄宇 ,  刘雨佳 ,  魏中宝 ,  周杰 ,  李清华 ,  王皓

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开了一种基于局部阶段充电数据的多工况SOH估计方法和系统，所述方法包括：S1：在不同工况下，对锂电池进行循环充放电实验，获取不同工况下的电池老化循环数据库；S2：基于所述电池老化循环数据库提取健康因子，并获取健康因子与锂电池健康状态的映射参数库；S3：基于神经网络建立锂电池的健康状态估计模型，根据不同工况下的所述健康状态估计模型和所述映射参数库，构建健康因子与锂电池健康状态的映射模型库；S4：根据锂电池实际工况，从所述映射模型库中选取相应的健康状态估计模型，利用相应的健康状态估计模型和对锂电池的健康状态进行估计。解决现有方法中需要完整充电数据的局限，对于多工况复杂情况均可实现多工况下SOH的准确估计。

公开(公告)号：CN116893349A

公开(公告)日：2023-10-17

申请号：CN202310862690.0

申请日：2023-07-13

Applicant: 北京和瑞储能科技有限公司

Inventor： 刘雨佳 ,  郭霄宇 ,  魏中宝 ,  邢宇 ,  方镇都

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明公开了一种基于高斯过程回归的电池健康状态预测方法和系统，所述方法包括：对锂电池进行循环充放电实验，定义并获取锂电池当前的健康状态；根据锂电池当前的健康状态，获取健康状态SOH的经验公式，并识别所述经验公式中的最优参数；解耦最优参数中的放电深度和充放电倍率，建立健康状态的参数模型；基于所述参数模型建立高斯过程回归模型，优化高斯过程回归模型的超参数，完成高斯过程回归模型的训练；利用训练后的高斯过程回归模型，预测锂电池的健康状态。提高了高斯过程回归模型对锂电池健康状态长期预测的准确性。

公开(公告)号：CN116577686A

公开(公告)日：2023-08-11

申请号：CN202310857464.3

申请日：2023-07-13

Applicant: 北京和瑞储能科技有限公司

Inventor： 郭霄宇 ,  刘雨佳 ,  魏中宝 ,  周杰 ,  李清华 ,  王皓

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开了一种基于局部阶段充电数据的多工况SOH估计方法和系统，所述方法包括：S1：在不同工况下，对锂电池进行循环充放电实验，获取不同工况下的电池老化循环数据库；S2：基于所述电池老化循环数据库提取健康因子，并获取健康因子与锂电池健康状态的映射参数库；S3：基于神经网络建立锂电池的健康状态估计模型，根据不同工况下的所述健康状态估计模型和所述映射参数库，构建健康因子与锂电池健康状态的映射模型库；S4：根据锂电池实际工况，从所述映射模型库中选取相应的健康状态估计模型，利用相应的健康状态估计模型和对锂电池的健康状态进行估计。解决现有方法中需要完整充电数据的局限，对于多工况复杂情况均可实现多工况下SOH的准确估计。