-
公开(公告)号：CN115392059B
公开(公告)日：2023-01-06
申请号：CN202211330578.4
申请日：2022-10-28
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种电池多尺度建模方法、装置及电子设备，其中方法包括：基于电池参数和电池内部反应机理，建立电池的电化学模型；在电池负极建立用于SEI膜生长的空间网络；所述空间网络的底面为电池负极颗粒表面，所述空间网络的高度方向为电池负极颗粒的径向；所述空间网络从底面开始至高度方向上被划分为多层网格；从所述空间网络中多层网格的底层网格开始，对所述空间网络中的SEI膜生长进行蒙特卡洛模拟，得到电池的老化模型；将所述电化学模型和所述老化模型进行参数耦合，得到电池的多尺度耦合模型。本方案，能够提高模拟准确性。
-
公开(公告)号：CN115392059A
公开(公告)日：2022-11-25
申请号：CN202211330578.4
申请日：2022-10-28
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种电池多尺度建模方法、装置及电子设备，其中方法包括：基于电池参数和电池内部反应机理，建立电池的电化学模型；在电池负极建立用于SEI膜生长的空间网络；所述空间网络的底面为电池负极颗粒表面，所述空间网络的高度方向为电池负极颗粒的径向；所述空间网络从底面开始至高度方向上被划分为多层网格；从所述空间网络中多层网格的底层网格开始，对所述空间网络中的SEI膜生长进行蒙特卡洛模拟，得到电池的老化模型；将所述电化学模型和所述老化模型进行参数耦合，得到电池的多尺度耦合模型。本方案，能够提高模拟准确性。
-
公开(公告)号：CN115389947B
公开(公告)日：2023-01-03
申请号：CN202211321901.1
申请日：2022-10-27
Applicant: 北京航空航天大学
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08 , B60L58/16
Abstract: 本说明书实施例涉及锂电池技术领域，特别涉及一种锂电池健康状态的预测方法、装置、电子设备及存储介质。其中，锂电池健康状态的预测方法包括：采集目标锂电池在多次充放电循环过程中的循环老化数据；其中，循环老化数据包括原始电压数据和原始温度数据；针对每一次充放电循环，均执行：对当前充放电循环中的原始电压数据和原始温度数据进行清洗处理，得到目标电压数据和目标温度数据；基于目标电压数据和目标温度数据，得到当前充放电循环的DTV数据；对每一次充放电循环的DTV数据进行特征提取，得到时间序列数据；将时间序列数据输入到预设的LSTM模型中进行训练，得到预测模型；利用预测模型对待测锂电池的健康状态进行预测并量化不确定性结果。
-
公开(公告)号：CN115494406A
公开(公告)日：2022-12-20
申请号：CN202211330570.8
申请日：2022-10-28
Applicant: 北京航空航天大学
IPC: G01R31/3842 , G01R31/367 , G01R31/392 , G06F30/20
Abstract: 本发明提供了一种电池参数辨识方法、装置及电子设备，其中方法包括：确定预设电池仿真模型中所包括的模型参数以及确定每一个模型参数的敏感程度；所述敏感程度用于表征该模型参数的变化对所述电池仿真模型输出的仿真电压的影响程度；根据每一个模型参数对应的敏感程度，确定每一个模型参数的时间辨识间隔；其中，敏感程度越高，时间辨识间隔越小；基于客户端上传的电池测量数据，按照模型参数对应的时间辨识间隔进行模型参数值的辨识，并将辨识到的模型参数值同步至所述客户端，以对所述客户端中设置的所述电池仿真模型进行更新。本方案，能够降低成本和提高辨识准确性。
-
公开(公告)号：CN115469236A
公开(公告)日：2022-12-13
申请号：CN202211330577.X
申请日：2022-10-28
Applicant: 北京航空航天大学
IPC: G01R31/3842 , G01R31/367 , G01R31/392 , G06F30/20
Abstract: 本发明提供了一种电池SOC估计方法、装置及电子设备，其中方法包括：将预先构建的电池仿真模型中用于计算电池端电压的参数和电池外部可测参数，确定为用于进行电池SOC估计的初始参数；获取每一个初始参数的采样数据；采样数据为该初始参数作为变量取不同数值时对应的SOC取值；针对每一个初始参数，利用该初始参数的采样数据，计算该初始参数与SOC的相关性；将相关性最接近1的若干个初始参数作为用于进行电池SOC估计的特征参数；利用特征参数进行模型训练，得到电池SOC估计模型；利用电池SOC估计模型进行电池SOC估计。本方案，能够提高估计准确性。
-
Patent Agency Ranking
公开(公告)号：CN115407217A
公开(公告)日：2022-11-29
申请号：CN202211352798.7
申请日：2022-11-01
Applicant: 北京航空航天大学
IPC: G01R31/3842 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 本发明涉及电池监测技术领域，特别涉及一种电动汽车锂电池荷电状态在线估计方法及系统，其中方法包括：获取电动汽车当前时刻的电池数据；将当前时刻的所述电池数据上传至云端电池监控平台，以利用所述云端电池监控平台实现：基于当前时刻及历史时刻的所述电池数据，通过存储的云端估计模型进行SOC估计，得到下一时刻的第一SOC估计值，并传回；基于当前时刻的电流，通过车端估计模型进行SOC估计，得到下一时刻的第二SOC估计值；以得到的所述第一SOC估计值为测量值、所述第二SOC估计值为观测值，通过卡尔曼滤波器进行融合，得到下一时刻的锂电池SOC估计值。本发明能够实现快速且高精度的电动汽车锂电池SOC估计。
-
公开(公告)号：CN115494406B
公开(公告)日：2023-03-24
申请号：CN202211330570.8
申请日：2022-10-28
Applicant: 北京航空航天大学
IPC: G01R31/3842 , G01R31/367 , G01R31/392 , G06F30/20
Abstract: 本发明提供了一种电池参数辨识方法、装置及电子设备，其中方法包括：确定预设电池仿真模型中所包括的模型参数以及确定每一个模型参数的敏感程度；所述敏感程度用于表征该模型参数的变化对所述电池仿真模型输出的仿真电压的影响程度；根据每一个模型参数对应的敏感程度，确定每一个模型参数的时间辨识间隔；其中，敏感程度越高，时间辨识间隔越小；基于客户端上传的电池测量数据，按照模型参数对应的时间辨识间隔进行模型参数值的辨识，并将辨识到的模型参数值同步至所述客户端，以对所述客户端中设置的所述电池仿真模型进行更新。本方案，能够降低成本和提高辨识准确性。
-
公开(公告)号：CN115407211B
公开(公告)日：2023-01-31
申请号：CN202211352797.2
申请日：2022-11-01
Applicant: 北京航空航天大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N3/0442 , G06N3/08 , H01M10/42 , H01M10/48 , B60L58/16
Abstract: 本发明涉及电池监测技术领域，特别涉及一种电动汽车锂电池健康状态在线预测方法及系统，其中方法包括：获取电动汽车电池数据；通过车端预测模型进行SOH预测，得到下一时刻的第二SOH预测结果；判断当前时刻的充放电循环数与上一轮修正时的充放电循环数之差是否达到预设的修正周期，否则将第二SOH预测结果作为锂电池SOH预测结果，是则利用云端电池监控平台实现：通过云端预测模型进行SOH预测，得到下一时刻的第一SOH预测结果；以第一SOH预测结果为测量值、第二SOH预测结果为观测值，通过卡尔曼滤波器进行融合，得到下一时刻的锂电池SOH预测结果。本发明能够实现实时性好且精度高的锂电池健康状态在线预测。
-
公开(公告)号：CN115407217B
公开(公告)日：2023-01-10
申请号：CN202211352798.7
申请日：2022-11-01
Applicant: 北京航空航天大学
IPC: G01R31/3842 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 本发明涉及电池监测技术领域，特别涉及一种电动汽车锂电池荷电状态在线估计方法及系统，其中方法包括：获取电动汽车当前时刻的电池数据；将当前时刻的所述电池数据上传至云端电池监控平台，以利用所述云端电池监控平台实现：基于当前时刻及历史时刻的所述电池数据，通过存储的云端估计模型进行SOC估计，得到下一时刻的第一SOC估计值，并传回；基于当前时刻的电流，通过车端估计模型进行SOC估计，得到下一时刻的第二SOC估计值；以得到的所述第一SOC估计值为测量值、所述第二SOC估计值为观测值，通过卡尔曼滤波器进行融合，得到下一时刻的锂电池SOC估计值。本发明能够实现快速且高精度的电动汽车锂电池SOC估计。
-
公开(公告)号：CN115407211A
公开(公告)日：2022-11-29
申请号：CN202211352797.2
申请日：2022-11-01
Applicant: 北京航空航天大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N3/04 , G06N3/08 , H01M10/42 , H01M10/48 , B60L58/16
Abstract: 本发明涉及电池监测技术领域，特别涉及一种电动汽车锂电池健康状态在线预测方法及系统，其中方法包括：获取电动汽车电池数据；通过车端预测模型进行SOH预测，得到下一时刻的第二SOH预测结果；判断当前时刻的充放电循环数与上一轮修正时的充放电循环数之差是否达到预设的修正周期，否则将第二SOH预测结果作为锂电池SOH预测结果，是则利用云端电池监控平台实现：通过云端预测模型进行SOH预测，得到下一时刻的第一SOH预测结果；以第一SOH预测结果为测量值、第二SOH预测结果为观测值，通过卡尔曼滤波器进行融合，得到下一时刻的锂电池SOH预测结果。本发明能够实现实时性好且精度高的锂电池健康状态在线预测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
