公开(公告)号：CN113109717A

公开(公告)日：2021-07-13

申请号：CN202110329255.2

申请日：2021-03-27

Applicant: 浙江大学

Inventor： 金心宇 ,  汪庆文 ,  陈民申 ,  武钿登 ,  金昀程 ,  林祉谦

IPC: G01R31/382 ,  G01R31/367 ,  G06N3/00

Abstract: 本发明公开了一种基于特征曲线优化的锂电池荷电状态估算方法，包括以下：每10％电池荷电状态SOC为一个采样点，获取离散的OCV‑SOC的特征曲线L1，获取连续的OCV‑SOC的特征曲线L2；基于差分进化DE方法，融合获取的特征曲线L1和特征曲线L2；最终基于扩展卡尔曼EKF引入历史SOC估算结果误差的权重项因子建立W‑EKF估算模型，联合二阶RC电池等效电路模型，输入实时采集的不同工况下锂电池实测电压、电流和温度数据，精准估算当前时刻下的SOC值。本发明的方法用以电池荷电状态(State of charge，SOC)的精确估算。

公开(公告)号：CN113033104A

公开(公告)日：2021-06-25

申请号：CN202110346298.1

申请日：2021-03-31

Applicant: 浙江大学

Inventor： 金心宇 ,  武钿登 ,  汪庆文 ,  林祉谦 ,  金昀程

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于图卷积的锂电池荷电状态估计方法：从实际车辆中获取锂电池原始数据段，包括电流、电压和温度状态参数，然后对原始数据段进行Min‑Max Scaling标准化处理，得到标准化处理之后电流、电压和温度状态的三维数据，将三维数据输入训练好的锂电池荷电状态估算网络获得锂离子电池的荷电状态估算值；锂电池荷电状态估算网络包括前向生成循环网络DG、邻接矩阵A、输入序列xin、权重矩阵W和全连接层。本发明利用图卷积网络提取关系特征的特点，将该网络的输出与下一时刻的输入数据进行特征融合，来作为图卷积网络的真实输入，适应于锂电池荷电状态非线性和动态变化的特点，大幅提高锂电池荷电状态的预测精准度。

公开(公告)号：CN113033104B

公开(公告)日：2022-05-24

申请号：CN202110346298.1

申请日：2021-03-31

Applicant: 浙江大学

Inventor： 金心宇 ,  武钿登 ,  汪庆文 ,  林祉谦 ,  金昀程

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于图卷积的锂电池荷电状态估计方法：从实际车辆中获取锂电池原始数据段，包括电流、电压和温度状态参数，然后对原始数据段进行Min‑Max Scaling标准化处理，得到标准化处理之后电流、电压和温度状态的三维数据，将三维数据输入训练好的锂电池荷电状态估算网络获得锂离子电池的荷电状态估算值；锂电池荷电状态估算网络包括前向生成循环网络DG、邻接矩阵A、输入序列xin、权重矩阵W和全连接层。本发明利用图卷积网络提取关系特征的特点，将该网络的输出与下一时刻的输入数据进行特征融合，来作为图卷积网络的真实输入，适应于锂电池荷电状态非线性和动态变化的特点，大幅提高锂电池荷电状态的预测精准度。

公开(公告)号：CN113109717B

公开(公告)日：2022-02-18

申请号：CN202110329255.2

申请日：2021-03-27

Applicant: 浙江大学

Inventor： 金心宇 ,  汪庆文 ,  陈民申 ,  武钿登 ,  金昀程 ,  林祉谦

IPC: G01R31/382 ,  G01R31/367 ,  G06N3/00

Abstract: 本发明公开了一种基于特征曲线优化的锂电池荷电状态估算方法，包括以下：每10％电池荷电状态SOC为一个采样点，获取离散的OCV‑SOC的特征曲线L1，获取连续的OCV‑SOC的特征曲线L2；基于差分进化DE方法，融合获取的特征曲线L1和特征曲线L2；最终基于扩展卡尔曼EKF引入历史SOC估算结果误差的权重项因子建立W‑EKF估算模型，联合二阶RC电池等效电路模型，输入实时采集的不同工况下锂电池实测电压、电流和温度数据，精准估算当前时刻下的SOC值。本发明的方法用以电池荷电状态(State of charge，SOC)的精确估算。