-
公开(公告)号：CN114624603A
公开(公告)日：2022-06-14
申请号：CN202210254508.9
申请日：2022-03-15
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/388 , G01R31/396
Abstract: 本发明公开了一种基于机器学习的电池系统支路电流估计方法，包括以下步骤：包括进行DST，FUDS，UDDS，HPPC四个工况下的离线测试，将整合的数据集进行归一化，设置BP神经网络的参数，对BP神经网络进行训练，得到训练好的BP神经网络，得到支路电流估计值。对比现有技术，本发明的有益效果在于：使用BP神经网络进行支路电流估计，BP神经网络算法比深度学习算法结构简单、训练学习快，占用内存小，更适合移动载运装备。
-
公开(公告)号：CN114814593A
公开(公告)日：2022-07-29
申请号：CN202210466822.3
申请日：2022-04-29
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/367 , G06K9/62
Abstract: 本发明公开了基于闵氏距离和两步检测策略的电池组多故障诊断方法，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：CN114624602A
公开(公告)日：2022-06-14
申请号：CN202210253218.2
申请日：2022-03-15
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/396
Abstract: 本发明公开了一种储能电池系统并联支路电流估计值矫正方法，获取干路电路和支路电流估计值，对支路电流估计值进行矫正。对比现有技术，本发明的有益效果在于：通过记录干路电流不同变化情况以及对应的绝对误差的值，确定误差变量和干路电流之间的比例系数，将支路电流估计值减去误差变量得到矫正后的支路电流，所用的矫正方法新颖，矫正流程简单直观。
-
公开(公告)号：CN114624602B
公开(公告)日：2025-05-13
申请号：CN202210253218.2
申请日：2022-03-15
Applicant: 哈尔滨工业大学(威海) , 北京空间飞行器总体设计部
IPC: G01R31/367 , G01R31/396
Abstract: 本发明公开了一种储能电池系统并联支路电流估计值矫正方法，获取干路电路和支路电流估计值，对支路电流估计值进行矫正。对比现有技术，本发明的有益效果在于：通过记录干路电流不同变化情况以及对应的绝对误差的值，确定误差变量和干路电流之间的比例系数，将支路电流估计值减去误差变量得到矫正后的支路电流，所用的矫正方法新颖，矫正流程简单直观。
-
公开(公告)号：CN114924192B
公开(公告)日：2024-09-06
申请号：CN202210556458.X
申请日：2022-05-20
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/396 , G01R31/385 , G06N3/0455 , G06N3/045 , G06N3/047
Abstract: 本发明具体涉及基于神经网络的并联电池组安全预警方法，包括：构建支路电流预测模型，包括具有稀疏概率多头自注意力层的编码器和解码器；稀疏概率多头自注意力层具有自注意力蒸馏机制；编码器和解码器的输入相互独立，且编码器的输出连接至解码器中；采集并联电池组的实测数据，构建支路电流预测模型的训练数据集；通过训练数据集训练支路电流预测模型；将待测并联电池组的电池组特征数据输入经过训练的支路电流预测模型中，输出两条支路的预测电流，基于两条支路的预测电流判断并联电池组是否存在安全风险。本发明能够在面对大量训练数据时提高预测模型的训练效率和预测准确性，从而能够提高并联电池组的安全预警效果。
-
Patent Agency Ranking
公开(公告)号：CN113671380B
公开(公告)日：2024-07-16
申请号：CN202110968446.3
申请日：2021-08-23
Applicant: 哈尔滨工业大学(威海) , 威海天达汽车科技有限公司
IPC: G01R31/367
Abstract: 本发明提供一种基于深度学习的动力电池系统多故障诊断方法，包括故障检测和故障隔离两部分，故障检测针对电池故障早期预警问题，使用编码解码架构的深度学习模型，编码过去一段时间窗口内所测端电压、电流和温度序列，利用之后的电流和温度实测值解码出同步的端电压，与实测对比生成残差序列，经软阈值处理后由多级报警评估策略决定是否触发报警，该报警策略能消除误差波动，防止误报警。之后训练故障隔离深度学习模型，输入软阈值处理后的残差序列，隔离模型输出各故障是触发报警诱因的概率，进而隔离出各故障，从而简化了隔离各传感器故障类型的难度。
-
公开(公告)号：CN116774047A
公开(公告)日：2023-09-19
申请号：CN202310742319.0
申请日：2023-06-21
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明涉及电池健康管理技术领域，具体涉及基于支路电流估计误差的并联电池组健康状态估计方法，包括：基于神经网络构建支路电流估计模型；将电池组特征数据输入支路电流估计模型，输出两条支路的估计电流；根据两条支路的估计电流和实际电流计算支路电流估计误差；分别计算两条支路的电流估计误差与电流倍率的斜率，并取平均值作为并联电池组的电流估计斜率；拟合电流估计斜率与健康状态之间的双指数经验模型关系，得到并联电池组的健康状态模型；基于支路电流估计模型和健康状态模型实现并联电池组的健康状态估计。本发明能够基于支路电流和电流倍率有效估计并联电池组的健康状态，并且能够通过神经网络模型实现支路电流的准确预测。
-
公开(公告)号：CN116859259A
公开(公告)日：2023-10-10
申请号：CN202310898185.1
申请日：2023-07-20
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/392
Abstract: 本发明具体涉及基于集成学习和实车大数据的电池健康状态估计方法，包括：对获取的实车电池大数据进行数据切片，生成若干个充电片段数据；基于蒙特卡洛模拟对各个充电片段数据进行容量估计，得到SOH标签；提取各个充电片段数据的健康特征因子，进而结合对应的SOH标签构建训练数据集；构建用于预测电池SOH的Stacking集成学习模型，并通过训练数据集训练Stacking集成学习模型；对于待估计的目标车辆，提取目标车辆实车电池数据中的健康特征因子并输入训练后的Stacking集成学习模型，得到对应的电池SOH估计结果。本发明通过Stacking集成学习模型实现电池SOH预测，并且采用实车电池大数据来训练Stacking集成学习模型，从而提高电池健康状态估计的准确性和实际应用效果。
-
公开(公告)号：CN115469226A
公开(公告)日：2022-12-13
申请号：CN202210913103.1
申请日：2022-08-01
Applicant: 哈尔滨工业大学(威海)
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：CN114924192A
公开(公告)日：2022-08-19
申请号：CN202210556458.X
申请日：2022-05-20
Applicant: 重庆理工大学 , 哈尔滨工业大学(威海)
IPC: G01R31/367 , G01R31/396 , G01R31/385 , G06N3/04 , G06N3/08
Abstract: 本发明具体涉及基于神经网络的并联电池组安全预警方法，包括：构建支路电流预测模型，包括具有稀疏概率多头自注意力层的编码器和解码器；稀疏概率多头自注意力层具有自注意力蒸馏机制；编码器和解码器的输入相互独立，且编码器的输出连接至解码器中；采集并联电池组的实测数据，构建支路电流预测模型的训练数据集；通过训练数据集训练支路电流预测模型；将待测并联电池组的电池组特征数据输入经过训练的支路电流预测模型中，输出两条支路的预测电流，基于两条支路的预测电流判断并联电池组是否存在安全风险。本发明能够在面对大量训练数据时提高预测模型的训练效率和预测准确性，从而能够提高并联电池组的安全预警效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
