公开(公告)号：CN116381507A

公开(公告)日：2023-07-04

申请号：CN202310376653.9

申请日：2023-04-11

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  封浩 ,  张鑫 ,  贠祥 ,  孟祥飞 ,  李涛

IPC: G01R31/367 ,  G06Q10/04 ,  G06N3/126 ,  G06F17/16 ,  G06F17/11 ,  G01R31/388

Abstract: 本发明公开了一种遗传算法与无迹卡尔曼滤波融合的锂离子电池SOC预测方法。通过HPPC试验获得锂电池开路电压OCV，建立OCV与SOC映射关系；然后测量锂电池工作电压、电流数据，由自适应遗忘因子递推最小二乘算法(AFFRLS)进行模型参数估算；再通过无迹卡尔曼滤波(UKF)进行SOC的预测，并利用改进的自适应遗传算法(AGA)自适应匹配UKF测量噪声协方差矩阵R；在R的基础上，基于噪声自适应匹配方法更新状态噪声协方差矩阵Q。本发明通过AGA和UKF的融合方法预测SOC，具有鲁棒性良好、噪声自适应、时变状态跟踪能力强等特点，能更好地在非线性、时变性系统进行在线应用，提高了SOC预测精度。

公开(公告)号：CN116068412A

公开(公告)日：2023-05-05

申请号：CN202211572057.X

申请日：2022-12-08

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  王超 ,  贠祥 ,  张鑫 ,  封浩

IPC: G01R31/378 ,  G01R31/382

Abstract: 本发明公开了基于自适应数据驱动融合方法的锂电池荷电状态在线预测方法，包括如下步骤：步骤1、数据采集；步骤2、数据预处理；步骤3、模型训练；步骤4、模型验证；步骤5、自适应核参数；步骤6、数据预测；步骤7、误差调节；步骤8、在线实时预测。本发明结合增量学习思想，建立了在线SOC实时估计模型，在线训练时将前一步长的SOC估计值重新进行训练，不断学习新样本的特征，提高算法的长期预测能力，与此同时，使用鲸鱼优化算法对算法内部参数进行全局寻优，解决了算法内部参数确定困难且耗时的问题，提高了算法的预测精度和计算效率，最后，使用自适应卡尔曼滤波算法调节相关向量机算法的预测误差，进一步提高了模型的泛化性能。

公开(公告)号：CN114114037A

公开(公告)日：2022-03-01

申请号：CN202111338805.3

申请日：2021-11-12

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  贠祥 ,  张鑫 ,  吴军科

IPC: G01R31/387

Abstract: 本发明公开了一种基于模糊PID‑UKF的动力电池SOC估算方法，包括以下步骤：(A)建立电池模型进行参数辨识；(B)在HPPC工况下获取OCV和SOC的函数关系；(C)使用无迹卡尔曼滤波算法进行SOC计算；(D)采用模糊PID算法对误差进行校正。本发明估算算法不同于传统的PID‑UKF估算方法，传统PID‑UKF针对的是电池组并联子系统进行PID控制，所得SOC估算结果不是针对电池组中的单体电池，结果具有一定误差，而且估算的SOC数值不能用作电池组的均衡管理依据，本发明是针对单体电池的模糊PID控制，通过模糊控制从而实现智能调节；同时不同于直接用模糊PID进行SOC的方法，而是先进行了UKF估算，UKF通过UT变换，不需要计算Jacobian矩阵，其精度至少可达二阶，再通过模糊调节PID系数，使得本发明的估算方法对非线性函数的适应性更好，估算精度也更高。

公开(公告)号：CN115877227A

公开(公告)日：2023-03-31

申请号：CN202211556892.4

申请日：2022-12-06

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  贠祥 ,  王超 ,  张鑫 ,  封浩

IPC: G01R31/382 ,  G01R31/367 ,  G01R31/378 ,  G06N3/006 ,  G06F17/11 ,  G06F17/16

Abstract: 本发明公开了一种基于协同辨识的改进中心差分粒子滤波的锂电池荷电状态估算方法，首先对电池模型进行扩展卡尔曼滤波‑粒子群协同参数辨识，得到锂离子电池模型参数；然后在粒子滤波算法中引进自适应中心差分卡尔曼滤波产生建议分布函数去更新观测信息；最后采用改进的粒子滤波ACDPF对锂离子电池的电池荷电状态进行预测。本发明同时提高了电池模型在高SOC区域和低SOC区域参数辨识的准确性，克服了单一参数辨识方法的局限性，发明的ACDPF的估算方法拥有比粒子滤波PF、中心差分粒子滤波CDPF更高的精度，特别是在低SOC区域依然保持很好的估算精度。

公开(公告)号：CN116338466A

公开(公告)日：2023-06-27

申请号：CN202310173499.5

申请日：2023-02-28

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  贠祥 ,  王超 ,  张鑫 ,  封浩

IPC: G01R31/367 ,  G01R31/387 ,  G01R31/388 ,  G01R31/382 ,  G01R31/3842 ,  G06F18/214 ,  G06F18/2431

Abstract: 本发明公开了一种基于LightGBM优化平方根中心差分卡尔曼滤波的锂电池荷电状态评估方法，包括以下步骤：(A)建立锂电池二阶等效电路模型；(B)采用遗忘因子递推最小二乘法对锂电池二阶等效电路模型进行参数辨识；(C)采用平方根中心差分卡尔曼滤波(SRCDKF)进行SOC估计；(D)在低SOC区域将SRCDKF的历史新息作为LightGBM算法的训练数据，然后利用LightGBM算法预测新的新息，并将新的新息合并到SRCDKF中。与现有技术相比，本发明将LightGBM算法引入到SRCDKF中进一步提高了预测精度，得到一个在低SOC区域依然具有良好的收敛性的荷电状态评估方法。

公开(公告)号：CN116008816A

公开(公告)日：2023-04-25

申请号：CN202211726572.9

申请日：2022-12-30

Applicant: 桂林电子科技大学

Inventor： 范兴明 ,  王超 ,  贠祥 ,  张鑫 ,  封浩

IPC: G01R31/367

Abstract: 本发明公开了一种基于多核集成策略的增量相关向量机电池SOC在线预测方法，包括以下步骤：步骤1、数据预处理；步骤2、训练集采样；步骤3、核函数选择；步骤4、模型训练；步骤5、模型验证；步骤6、自适应核参数；步骤7、RVM模型集成；步骤8、模型预测；步骤9、增量学习策略；步骤10、在线增量预测。本发明从实践角度出发，面对复杂的应用和需求的多样性，借鉴增量学习和集成学习思想，通过训练样本和核函数双重扰动，产生了差异度较大的包含多种核函数RVM个体学习模型，并结合新型增量集成策略，避免了模型过学习的问题，提高了模型的泛化能力和鲁棒性，增大了其应用范围。

公开(公告)号：CN220172194U

公开(公告)日：2023-12-12

申请号：CN202321681925.8

申请日：2023-06-29

Applicant: 桂林电子科技大学

Inventor： 张鑫 ,  孟祥飞 ,  范兴明 ,  王超 ,  贠祥 ,  封浩

IPC: H01M10/42 ,  H02J7/00 ,  H01M10/48 ,  H01M50/569

Abstract: 本实用新型公开了一种锂离子动力电池管理装置，包括算法处理主控板和电池信息采集从控板，所述主控板与从控板通过排针a和排母相连。本实用新型的锂离子动力电池管理装置能有效提供较好的电压、电流、温度的采集，并通过高速度传输通信电路使主控板与从控板实现通信，主控板有强大的计算速度，通过从板之间的级联可实现多个电池组的迭加以达到不同电压等级，主控板与从控板可以通过排针a和排母相连。该装置具有结构简单，体积小，工艺性好，检测精确度高、计算速度快的特点，在电力电子、航空航天、储能系统，尤其是电动汽车领域的应用上有着广泛的市场前景。