公开(公告)号：CN119224595A

公开(公告)日：2024-12-31

申请号：CN202411511888.5

申请日：2024-10-28

Applicant: 北京科技大学顺德创新学院

Inventor： 洪吉超 ,  马世琨 ,  张华钦 ,  裴佳琦

IPC: G01R31/367

Abstract: 本发明公开了一种锂离子电池状态预测方法，属于锂离子电池状态监测领域，包括以下步骤：S1、考虑环境温度基于神经网络模型预测当前锂离子电池的温度；S2、基于锂离子电池二阶RC等效电路模型和LSTM模型预测当前锂离子电池的电压；S3、融合步骤S1预测的当前锂离子电池的温度以及步骤S2预测的当前锂离子电池电压，输出当前锂离子电池状态预测结果。采用上述锂离子电池状态预测方法，通过利用神经网络的过拟合特性，结合物理模型和机器学习模型的优势，实现了对电池温度和电压的准确预测。

公开(公告)号：CN119087235A

公开(公告)日：2024-12-06

申请号：CN202411400260.8

申请日：2024-10-09

Applicant: 北京科技大学顺德创新学院

Inventor： 洪吉超 ,  张弛 ,  马世琨 ,  邱余龙 ,  徐钱

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明公开了一种新能源汽车动力电池安全监测方法，属于新能源汽车电池技术领域，包括以下步骤：S1、采集动力电池数据，并进行预处理；S2、将动力电池数据作为LSTM网络和CNN网络的输入；S3、LSTM网络对动力电池的历史时序数据进行学习，将各个一维时序数据转变为二维时序数据进行空域建模，同时提取变化的特征变量；S4、CNN网络对已有电池安全特征进行分类学习；S5、对LSTM网络和CNN网络进行融合，实现对动力电池的安全检测。本发明采用上述的一种新能源汽车动力电池安全监测方法，通过数据驱动实现更精准的动力电池状态预测，提高了电池安全性和可靠性，在动力电池的设计、制造和使用等方面具有广泛的应用价值。