-
公开(公告)号：CN117240075A
公开(公告)日：2023-12-15
申请号：CN202311203543.9
申请日：2023-09-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于电力电子技术领域，公开了一种基于脉冲波注入算法的数字有源滤波器，包括：FPGA数字处理部分、检测电路、注入电路；检测电路与FPGA数字处理部分连接，FPGA数字处理部分与注入电路连接；检测电路采样得到EMI噪声的数字信号，FPGA根据采样信号确定合适的注入信号的波形，并通过注入电路注入信号。本发明解决了直流变换器中的EMI噪声抑制问题，降低对其周围设备的影响，同时维持稳定地直流输出。
-
公开(公告)号：CN113759263B
公开(公告)日：2023-10-17
申请号：CN202110982756.0
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/387 , G01R31/382
Abstract: 本发明公开了一种关于人工智能预测锂离子电池荷电状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池荷电状态的方法，具体操作步骤如下：S1、检测出锂电池的SOC值a、SOC值b以及SOC值c，S2、控制芯片根据预置参数对电动汽车内锂电池进行对比，S3、外部温度以及电流状态进行对比得到电动汽车荷电状态，S3、控制芯片将S4步骤得到的荷电状态发送至电动汽车的主控面板上。该关于人工智能预测锂离子电池荷电状态的方法，可以对不同电池运行时温度以及锂电池运行时电流的荷电状态进行估算，适用范围广，提高了预测的可靠性和准确度，大大节约了时间成本，提高了检测效率，便于快速准确估算电池的健康状态。
-
公开(公告)号：CN113759266A
公开(公告)日：2021-12-07
申请号：CN202110982728.9
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/392
Abstract: 本发明公开了一种关于人工智能预测锂离子电池健康状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池健康状态的方法，包括主控CPU与锂电池组，所述锂电池组与主控CPU之间双向数据连接，锂电池组包括锂电池温度检测模块、外部环境温度检测模块以及降温模块，主控CPU包括预设数据记录模块、数据分析模块、报警模块、数据反馈模块、数据存储模块以及大数据分析模块。该关于人工智能预测锂离子电池健康状态的方法，在正常情况下也能够使用户实时了解锂电池的健康状态，用户可以及时对汽车内锂电池进行检修，避免了锂电池异常快速使锂电池老化，保障了锂电池的正常使用寿命，进一步降低了车主的维修成本。
-
公开(公告)号：CN119571380A
公开(公告)日：2025-03-07
申请号：CN202411767103.0
申请日：2024-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: C25B11/091 , C25B1/04
Abstract: 本发明公开了一种掺杂的氧化镍基材料、制备方法及其应用，掺杂的氧化镍基材料的合成方法，包括以下步骤：将镍盐和铁盐添加到乙醇和油胺溶液中，充分搅拌后，将溶液转移至反应釜中加热反应，随后离心分析并冲洗，然后进行煅烧，将得到的粉末与硫脲放置于管式炉中加热，最后得到掺杂的氧化镍基材料。本发明中的合成方法反应条件温和易操作，掺杂的金属铁和非金属硫原子改变了氧化镍的电子和结构性质，提升了体系的电导率，进而使得掺杂的氧化镍基材料可以高效地在碱性条件下电解水，可应用于碱性电解水的阳极材料中。
-
公开(公告)号：CN116879750A
公开(公告)日：2023-10-13
申请号：CN202310696507.4
申请日：2023-06-13
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G01R31/367 , G01R31/392 , G01R31/387 , G06F18/10 , G06F18/27 , G06F18/25
Abstract: 本发明公开了一种基于stacking融合模型的电池荷电状态预测方法，对电池进行测试，并对测试得到的电池数据进行预处理，得到电池荷电状态相关的特征数据；将得到与电池荷电状态相关的特征数据输入构建的stacking融合模型，得到电池荷电状态预测结果；stacking融合模型包括顺次设置的第一并行处理层、第二并行处理层和预测层；第一并行处理层包括三个以上并行设置的基模型，各基模型的预测结果拼接输出至第二并行处理层；第二并行处理层包括两个以上并行设置的拟合器，各拟合器的拟合结果拼接输出至预测层；预测层使用的是线性回归模型，其输出结果即为电池荷电状态预测结果。本发明对于不同类型的电池，在保持精度的情况下，具有良好的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN113759266B
公开(公告)日：2023-07-25
申请号：CN202110982728.9
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/392
Abstract: 本发明公开了一种关于人工智能预测锂离子电池健康状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池健康状态的方法，包括主控CPU与锂电池组，所述锂电池组与主控CPU之间双向数据连接，锂电池组包括锂电池温度检测模块、外部环境温度检测模块以及降温模块，主控CPU包括预设数据记录模块、数据分析模块、报警模块、数据反馈模块、数据存储模块以及大数据分析模块。该关于人工智能预测锂离子电池健康状态的方法，在正常情况下也能够使用户实时了解锂电池的健康状态，用户可以及时对汽车内锂电池进行检修，避免了锂电池异常快速使锂电池老化，保障了锂电池的正常使用寿命，进一步降低了车主的维修成本。
-
公开(公告)号：CN117250517A
公开(公告)日：2023-12-19
申请号：CN202311220562.2
申请日：2023-09-20
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/367 , G01R31/378 , G01R31/385
Abstract: 本发明属于锂电池管理系统技术领域，公开了一种基于电容变化检测的电池安全检测方法及系统，使用Ansys仿真软件建立等效电容模型并按照电容决定式进行理论验证；在LTspice软件中建立实现电容变化检测仿真电路模型；根据实验测量得到的实际电池包之间的电容确定电路参数；对搭建完成的电路模型，根据实际需要的检测灵敏度确定电压比较器的阈值电平，实现电容变化的检测。本发明的技术方案则是在电不使用传感器的条件下进行电池包的安全检测，节省了电路开发时间及产品成本。
-
公开(公告)号：CN115459238A
公开(公告)日：2022-12-09
申请号：CN202211006918.8
申请日：2022-08-22
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H02J1/00
Abstract: 本发明公开了一种基于电压裕度的自适应下垂控制方法，通过根据直流电压偏差大小，将电压裕度区间划分为正常区间、临界区间以及极限区间；判断当前电压裕度所处区间，若确定当前电压裕度区间为临界区间，则根据电压裕度自适应控制下垂斜率；根据所述下垂斜率，调节供电系统的电压控制能力。相比于现有技术，本发明自适应下垂控制跟随电压波动大小改变对直流电压的控制能力，降低控制单元出现电压越限的情况，承担功率变化范围更大，供电系统运行可靠性得到进一步提升。
-
公开(公告)号：CN113759263A
公开(公告)日：2021-12-07
申请号：CN202110982756.0
申请日：2021-08-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/387 , G01R31/382
Abstract: 本发明公开了一种关于人工智能预测锂离子电池荷电状态的方法，涉及锂离子电池检测技术领域。该一种关于人工智能预测锂离子电池荷电状态的方法，具体操作步骤如下：S1、检测出锂电池的SOC值a、SOC值b以及SOC值c，S2、控制芯片根据预置参数对电动汽车内锂电池进行对比，S3、外部温度以及电流状态进行对比得到电动汽车荷电状态，S3、控制芯片将S4步骤得到的荷电状态发送至电动汽车的主控面板上。该关于人工智能预测锂离子电池荷电状态的方法，可以对不同电池运行时温度以及锂电池运行时电流的荷电状态进行估算，适用范围广，提高了预测的可靠性和准确度，大大节约了时间成本，提高了检测效率，便于快速准确估算电池的健康状态。
-
公开(公告)号：CN119622618A
公开(公告)日：2025-03-14
申请号：CN202411395091.3
申请日：2024-10-08
Applicant: 浙江西力新能源有限公司 , 电子科技大学长三角研究院(湖州)
IPC: G06F18/25 , G01R31/367 , G01R31/385 , G01R31/388 , G01R31/389 , G01R31/396 , G01R31/374 , G01K13/00 , G06F18/2135 , G06F18/2321 , G06F18/2433 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于DLSTM模型的电池系统多步温度预测方法、系统和装置，所述方法包括获取电池系统的运行数据，使用移动平均核将运行数据分解为趋势项和残余项；将趋势项和残余项分别输入到两个LSTM网络，得到趋势预测特征和残余预测特征；将所述趋势预测特征和残余预测特征相加，得到电池系统的预测温度。本发明采用基于DLSTM模型的电池系统多步温度预测方法在鲁棒性和准确性上都有很大提升，本发明将基于DLSTM模型的电池系统温度预测结果，结合相关离群点识别方法，提前定位异常发热温度传感器，确保电池系统运行安全，避免发生热失控事故。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
