-
公开(公告)号：CN106443474B
公开(公告)日：2019-03-26
申请号：CN201610880874.X
申请日：2016-10-09
Applicant: 北京理工大学
IPC: G01R31/396 , G01R31/389
Abstract: 一种动力电池系统寿命衰退特征快速识别的方法，基于预先建立的极化内阻增长率与容量保持率关系，在电动汽车实际运行工况中完成参数辨识的电压电流数据采集，并通过车载计算机进行在线参数辨识，无需特别对电池进行满充满放或其他操作即可在线得到电池的实际容量；采用极化内阻增长率和容量保持率作为输入和输出，避免了电池之间内阻、容量不一致性对容量预测的影响。所辨识的模型内阻参数不仅可以用于容量估计，也可用于SOC估计等方面。
-
公开(公告)号：CN106842045A
公开(公告)日：2017-06-13
申请号：CN201710040588.7
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G01R31/36
CPC classification number: G01R31/3651 , G01R31/3634 , G01R31/3679
Abstract: 本发明涉及一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统。使用自适应权重方法计算不同模型以不同的权重或进行模型工作模式的切换，确保输出的融合模型或选中模型在任意使用条件下均能够以最优模式工作，最终实现对关键参数和性能进行精确、可靠的预测和跟踪，提升控制性能的整体品质。通过深入分析不同电池模型在多工况、多环境、多阶段下的精度、稳定性、计算量和存储空间等性能特点，实现了在线的不断更新的多模型融合建模，解决了现有模型性能难以满足电池系统在全寿命周期和不确定动态工况和环境等内外因素下的精确预测和功能单一无法满足全部使用要求等难题。
-
公开(公告)号：CN107066722B
公开(公告)日：2020-07-07
申请号：CN201710226895.4
申请日：2017-04-06
Applicant: 北京理工大学
IPC: G06F30/23 , G06F111/10 , G06F119/04
Abstract: 本申请涉及一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法。基于电化学相关理论建立了伪二维电化学模型相关数学方程，使用有限分析方法和数值计算方法对复杂偏微分方程进行降维处理和计算求解，将电极开路电势等效为电池开路电压，建立了容量‑表面SOC‑EOCV三维响应面；使用智能优化算法，基于电池老化试验数据，提取并建立了电池性能衰退特征参数的的衰退路径图；最终基于衰退路径图实现了动力电池的SOH估计，基于电池内部锂离子浓度分布与变化规律实现了动力电池的SOC估计。
-
Patent Agency Ranking
-
公开(公告)号：CN107066722A
公开(公告)日：2017-08-18
申请号：CN201710226895.4
申请日：2017-04-06
Applicant: 北京理工大学
IPC: G06F17/50
Abstract: 本申请涉及一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法。基于电化学相关理论建立了伪二维电化学模型相关数学方程，使用有限分析方法和数值计算方法对复杂偏微分方程进行降维处理和计算求解，将电极开路电势等效为电池开路电压，建立了容量‑表面SOC‑EOCV三维响应面；使用智能优化算法，基于电池老化试验数据，提取并建立了电池性能衰退特征参数的衰退路径图；最终基于衰退路径图实现了动力电池的SOH估计，基于电池内部锂离子浓度分布与变化规律实现了动力电池的SOC估计。
-
公开(公告)号：CN106249171A
公开(公告)日：2016-12-21
申请号：CN201610829129.2
申请日：2016-09-18
Applicant: 北京理工大学
IPC: G01R31/36
CPC classification number: G01R31/3637
Abstract: 本申请涉及一种用于宽采样间隔的动力电池系统参数辨识和状态估计方法，其基于动力电池的等效电路模型，利用递推最小二乘算法，实现了动力电池在多尺度上的在线参数辨识和状态估计，从而获取所述动力电池的荷电状态。基于时间尺度下的最优遗忘因子曲线，实现了在宽采样间隔条件下的精确状态估计。该方法精度高，稳定性强，所需计算能力与存储空间极小。
-
公开(公告)号：CN106842045B
公开(公告)日：2023-04-28
申请号：CN201710040588.7
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G01R31/367
Abstract: 本发明涉及一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统。使用自适应权重方法计算不同模型以不同的权重或进行模型工作模式的切换，确保输出的融合模型或选中模型在任意使用条件下均能够以最优模式工作，最终实现对关键参数和性能进行精确、可靠的预测和跟踪，提升控制性能的整体品质。通过深入分析不同电池模型在多工况、多环境、多阶段下的精度、稳定性、计算量和存储空间等性能特点，实现了在线的不断更新的多模型融合建模，解决了现有模型性能难以满足电池系统在全寿命周期和不确定动态工况和环境等内外因素下的精确预测和功能单一无法满足全部使用要求等难题。
-
公开(公告)号：CN106443474A
公开(公告)日：2017-02-22
申请号：CN201610880874.X
申请日：2016-10-09
Applicant: 北京理工大学
CPC classification number: G01R31/3682 , G01R31/007 , G01R31/3651 , G01R31/3679
Abstract: 一种动力电池系统寿命衰退特征快速识别的方法，基于预先建立的极化内阻增长率与容量保持率关系，在电动汽车实际运行工况中完成参数辨识的电压电流数据采集，并通过车载计算机进行在线参数辨识，无需特别对电池进行满充满放或其他操作即可在线得到电池的实际容量；采用极化内阻增长率和容量保持率作为输入和输出，避免了电池之间内阻、容量不一致性对容量预测的影响。所辨识的模型内阻参数不仅可以用于容量估计，也可用于SOC估计等方面。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
