-
公开(公告)号：CN114243855B
公开(公告)日：2023-10-10
申请号：CN202111610476.3
申请日：2021-12-27
Applicant: 江苏大学
Abstract: 本发明提供了一种动力电池模组均衡系统及其控制方法，当需要进行均衡时，均衡控制模块通过电池单体的电压巡检数据和串联电池模组的容量，计算通过串联电池模组的电流，进而确定电池单体的SOC，电池单体SOC最大值SOCmax分别与其余电池单体作差，判定需进行均衡补电的电池单体，根据均衡补电时间，控制开关选择控制电路接通相应端口，对需要均衡补电的电池单体分别进行补电。本发明中无电流采样的串联电池模组电流估计方法，能够消除电流采样的累计误差，简化检测电路；该方法可精确计算均衡补电量从而对需均衡补电的电池单体进行针对性快速补电；本发明可大幅提高均衡的效率与速度，提升电池模组的容量利用率。
-
公开(公告)号：CN117743802A
公开(公告)日：2024-03-22
申请号：CN202311847378.0
申请日：2023-12-29
Applicant: 江苏大学
IPC: G06F18/20 , G06F18/2433 , G06F18/213 , G06Q50/06
Abstract: 本发明公开了一种基于车云协同的全天候、多地区动力电池SOH预测方法及系统，BMS采集的历史数据和环境数据作为原始数据集，对其进行数据清洗和充放电片段分割；基于充放电片段数据，分别采用多维度SOH量化方法获得SOH标签，再对多维度SOH标签进行去噪、计算权重，加权获得最终SOH标签；基于充放电数据提取环境、电池包内部、驾驶员充放电行为特征，结合最终SOH标签，进行特征筛选，获得最终特征群；最终特征群和最终SOH标签拼接，获得训练数据集，并进行逐级分类，最后将分类结果选择模型进行训练，获得SOH预测模型，对目标车辆进行实时SOH预测。本发明适用于全天候、多地区的电动汽车电池组SOH的精确预测。
-
Patent Agency Ranking
公开(公告)号：CN116691447A
公开(公告)日：2023-09-05
申请号：CN202310524415.8
申请日：2023-05-10
Applicant: 江苏大学
IPC: B60L58/22
Abstract: 本发明公开了一种改进的动力电池模组电量均衡系统及控制方法，由通过电池模组的电流值计算第i个单体电池的SOC，并将所有单体电池SOC值进行从低到高排序，记为SOCj，若|SOCj‑SOCm|＞SOCm*5％，判定单体电池需要参与电量均衡，计算各单体电池均衡所需时间，判断需要参与电量均衡的单体电池均衡方案：若ΔSOCj>0，则需要从单体电池中抽取相应电量，若ΔSOCj
-
公开(公告)号：CN114791993A
公开(公告)日：2022-07-26
申请号：CN202210529759.3
申请日：2022-05-16
Applicant: 江苏大学
Abstract: 本发明公开了一种动力电池组SOH预测方法及系统，系统包括以下模块：数据预处理模块、SDAE模块、神经网络模块；方法包括以下步骤：通过读取BMS历史数据，对其进行清洗，提取天气、驾驶行为和常规三类特征，并分为连续型特征和数值型特征两类进行预处理；处理后传入SDAE模块，对数据加噪并重构数据；神经网络学习特征与SOH之间的映射关系，并输出SOH预测结果。本发明通过SDAE重构输入数据找到更稳定、更有用的特征，同时利用神经网络并行计算的特点，组合得到更具稳定性的高效的模型，可在节省计算时间的同时提高模型的预测精度，适用于电动汽车全状态、全气候运行时的电池组SOH估算。
-
公开(公告)号：CN114791993B
公开(公告)日：2022-11-11
申请号：CN202210529759.3
申请日：2022-05-16
Applicant: 江苏大学
Abstract: 本发明公开了一种动力电池组SOH预测方法及系统，系统包括以下模块：数据预处理模块、SDAE模块、神经网络模块；方法包括以下步骤：通过读取BMS历史数据，对其进行清洗，提取天气、驾驶行为和常规三类特征，并分为连续型特征和数值型特征两类进行预处理；处理后传入SDAE模块，对数据加噪并重构数据；神经网络学习特征与SOH之间的映射关系，并输出SOH预测结果。本发明通过SDAE重构输入数据找到更稳定、更有用的特征，同时利用神经网络并行计算的特点，组合得到更具稳定性的高效的模型，可在节省计算时间的同时提高模型的预测精度，适用于电动汽车全状态、全气候运行时的电池组SOH估算。
-
公开(公告)号：CN114994546A
公开(公告)日：2022-09-02
申请号：CN202210675036.4
申请日：2022-06-15
Applicant: 江苏大学
IPC: G01R31/382 , G01R31/367 , G01R31/396 , G01R31/378
Abstract: 本发明提供了一种基于区块链和Informer神经网络的电池组SOH预测系统及方法，预测系统包括车载区块链平台、地区私人链和联盟区块链，联盟区块链对电动车辆及其电池组的公共索引数据提取特征与标签，对公共索引数据特征的数据集进行预处理，同标签一起构成数据集Xn，并丢弃弱相关特征，得到数据集X′n，利用其他电动车辆的数据集X′n训练基于Informer的神经网络模型，根据电动车辆自身的历史数据对训练后的基于Informer的神经网络模型进行重新校准，对重新校准的基于Informer的神经网络模型，设置预测序列长度，预测电池组的SOH。本发明能够较为精确的监测电池组未来的健康状态，有助于做好电池全寿命周期的管理。
-
公开(公告)号：CN114243855A
公开(公告)日：2022-03-25
申请号：CN202111610476.3
申请日：2021-12-27
Applicant: 江苏大学
Abstract: 本发明提供了一种动力电池模组均衡系统及其控制方法，当需要进行均衡时，均衡控制模块通过电池单体的电压巡检数据和串联电池模组的容量，计算通过串联电池模组的电流，进而确定电池单体的SOC，电池单体SOC最大值SOCmax分别与其余电池单体作差，判定需进行均衡补电的电池单体，根据均衡补电时间，控制开关选择控制电路接通相应端口，对需要均衡补电的电池单体分别进行补电。本发明中无电流采样的串联电池模组电流估计方法，能够消除电流采样的累计误差，简化检测电路；该方法可精确计算均衡补电量从而对需均衡补电的电池单体进行针对性快速补电；本发明可大幅提高均衡的效率与速度，提升电池模组的容量利用率。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
