-
公开(公告)号：CN118713246A
公开(公告)日：2024-09-27
申请号：CN202410770672.4
申请日：2024-06-14
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
Abstract: 本发明涉及一种针对电动汽车与储能系统中的锂离子电池组的能量最大化利用方法。该方法的核心在于通过采用电压跟踪技术，跟踪电池组充满时刻的电池单体电压与电池组总电压，以提高电池组最大可用能量为目标，优化部分电池的充放电策略，进行额外充电与放电优化，提升电池组参数一致性。本发明提供的系统方案能够实现电池组能量的最大化利用、延长电池寿命、提高系统性能稳定性。该方法适用于电动汽车、储能系统等领域，可以在实际应用中提高电池组的能量存储能力，并优化整体性能。
-
公开(公告)号：CN119395557A
公开(公告)日：2025-02-07
申请号：CN202411593632.3
申请日：2024-11-08
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N5/045 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06F119/04
Abstract: 本发明提出一种基于可解释深度学习算法的电池剩余寿命预测优化方法，所述方法包括：构建数据集并进行预处理；基于预处理数据集构建模型输入数据；基于深度学习构建电池剩余寿命预测模型；通过可解释深度学习算法解释模型在预测过程中的决策行为并量化输入数据在预测过程中的贡献程度；根据模型解释结果优化老化数据及预测过程。本发明通过可解释深度学习算法计算输入特征对神经网络输出的电池剩余寿命预测值的边际贡献，量化不同工况，不同特征参数，不同老化阶段的数据在寿命预测过程中的贡献程度，从而识别重要老化特征并去除无用数据，从数据源方面优化预测过程，在保证预测准确性的同时加快预测速度，以减少计算资源的消耗。
-
公开(公告)号：CN116756351A
公开(公告)日：2023-09-15
申请号：CN202310495768.X
申请日：2023-05-05
Applicant: 中国国家铁路集团有限公司 , 北京交通大学
IPC: G06F16/51 , G06F16/583 , G06V10/774 , G06V10/77 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08 , G06Q50/06 , G01R31/392 , G01R31/396
Abstract: 本发明公开了一种基于视觉技术的动力电池组数据存储及健康评估方法。针对电动汽车大数据平台信息泛滥、内存占用等问题，采用一种图像化存储方式将体量大、内存占比高的充电单体电压曲线转化成图像进行存储；将电压曲线图像视为稀疏矩阵并采用三元组方法对矩阵进行进一步压缩存储；基于充电单体电压曲线图像，采用计算机视觉技术识别与电池组健康相关的图像特征，构建神经网络模型对电池组健康进行快速评估。本发明为电池后台数据存储优化提供了新思路，可显著降低电池运行数据占用内存，以充电电压曲线图像为样本能够对电池组健康状态进行快速评估，而无需复杂的数据处理和计算过程，可为数据平台提供有效的电池健康监测。
-
公开(公告)号：CN119335428A
公开(公告)日：2025-01-21
申请号：CN202411483277.4
申请日：2024-10-23
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/367 , G06N20/00 , G06N3/0455
Abstract: 本发明提供一种无损保留特征的电池寿命预测方法及系统，属于基于深度学习的锂离子电池寿命预测技术领域，获取待预测电池的参数数据；所述参数数据包括充电数据、放电数据、温度数据和内阻数据；利用预先训练好的预测模型对获取的待预测电池的参数数据进行处理，得到电池寿命预测结果。本发明充分挖掘并利用各类数据中蕴含的老化信息，进行了全面而深入的分析；通过对大量数据特征的筛选和降维处理，在保留关键特征信息的前提下，显著减少了特征维度，降低了模型的复杂度和运行时间，并且提高了寿命预测的精度，确保了预测结果的可靠性和效率。
-
公开(公告)号：CN114976307B
公开(公告)日：2024-10-01
申请号：CN202210489917.7
申请日：2022-05-07
Applicant: 北京交通大学
IPC: H01M10/42 , G01R31/389
Abstract: 本发明公开了一种锂离子电池界面阻抗无损分离方法，该方法基于总阻抗和高频感抗和低频扩散模型重构了反映界面动力学的真实阻抗，使用弛豫时间反卷积技术和等效电路对界面的模型参数进行辨识，通过50％与5％SOC的阻抗数据来实现电极界面动力学模型参数的无损分离，并在三电极阻抗中验证了该技术的有效性。同时，根据电荷转移内阻的变换系数将可分离的SOC的电荷转移内阻转移到对比的SOC，实现了在同一SOC点的特征参数演变规律分析。该方法步骤简单，易于操作，且可靠性高，适用于电动汽车动力电池的电极界面动力学无损诊断。
-
Patent Agency Ranking
公开(公告)号：CN118708954A
公开(公告)日：2024-09-27
申请号：CN202410700772.X
申请日：2024-05-31
Applicant: 北京交通大学
IPC: G06F18/2135 , G06F18/23213 , G06F17/18 , G06N3/08 , G01R31/392 , G01R31/367 , G01R31/385 , G01R31/388
Abstract: 本发明涉及一种基于实际运行工况的电池寿命快速评估方法，包括：基于实车数据进行实际运行工况的构建与简化；使用主成分分析和K‑means聚类提取典型片段组成的典型运行工况。在此基础上进行工况简化：确定该工况区间内的最大值与最小值；划分区间；求解落平均值使其作为代表值。经实验验证工况简化前后误差仅为0.1％。将得到的简化分工况和由其组成的完整工况对多组电池分别进行寿命循环测试，通过多元线性回归获取对电池寿命衰退影响之间的耦合关系，可用较少的循环次数数据进行模型训练，预测出未来更多次数的全工况电池衰退情况，大幅度减少电池循环寿命测试时间，从而达到了电池寿命快速评估的目的。
-
公开(公告)号：CN112072914B
公开(公告)日：2021-08-10
申请号：CN202010708830.5
申请日：2020-07-22
Applicant: 北京交通大学 , 中车工业研究院有限公司
IPC: H02M3/155
Abstract: 本发明公开了一种用于混合储能的三端口直流变换器。变换器具有完全对称的结构，三个端口之间的能量可以任意流动，控制方式简单易实现。变换器可用于由电池、超级电容等典型储能元件构成的混合储能系统，其中两个端口用于连接储能元件，第三个端口用于连接公共直流母线，实现在储能元件之间，或储能元件与公共直流母线之间的能量交换功能。
-
公开(公告)号：CN112433170A
公开(公告)日：2021-03-02
申请号：CN202011092297.0
申请日：2020-10-13
Applicant: 北京交通大学
IPC: G01R31/396 , G01R31/388
Abstract: 本发明属于电池参数辨识技术领域，涉及一种串联电池组单体参数差异辨识方法，方法基于动态时间扭曲算法，对串联电池组电池单体的充电数据进行分析处理，通过对比电池OCV曲线和电池单体的充电电压曲线，计算所有具有“一一对应关系”的数据点之间的索引值之差的平均值Td；并根据电池组的充电倍率和采样时间间隔设置比例系数Tr；接着计算Td与Tr的比值R，作为电池单体在充电过程中的起始SOC；最后根据各单体电池的充电起始SOC，计算出反映电池组SOC一致性的单体SOC差异情况。本发明方法实现了对串联电池组内各电池单体的充电初始SOC、电池组SOC一致性的估计，具有较高精度和效率。
-
公开(公告)号：CN112327188A
公开(公告)日：2021-02-05
申请号：CN202011056790.7
申请日：2020-09-30
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明涉及一种模型‑数据混合驱动的锂离子电池剩余寿命预测方法，首先，初始化经验模型的四个独立模型参数；其次，基于差分阈值方法，利用锂离子电池容量数据识别拐点；再次，使用无迹粒子滤波方法获得初始估计结果；复次，建立初始误差序列，使用完全集成经验模态分解方法处理初始误差序列；又次，根据相关性方法使用本征模函数重构误差序列；从次，对重构误差序列使用高斯过程回归方法训练，得到带有置信区间的误差预测结果；最后，将初始估计结果使用带有置信区间的误差预测结果叠加，得到最终预测结果。本发明，利用少量历史数据，即可在短时内获得相应征兆并进行锂离子电池健康状态的诊断，进而实现后续锂离子电池剩余寿命预测。
-
公开(公告)号：CN109031153B
公开(公告)日：2020-01-24
申请号：CN201811200371.9
申请日：2018-10-16
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/385
Abstract: 本发明属于锂离子电池领域，公开了一种锂离子电池的SOH在线估计方法，用于解决现有SOH估计技术在实施过程中存在的特征参数在线获取困难，模型对训练数据依赖性强且所需数据量大，采用简单线性回归较难刻画电池容量与特征参数复杂的函数关系，估计精度难以保证的问题。本发明采用容量增量法从容量增量曲线中获取特征参数，该方法不要求电池经历完整的充放电过程，特征参数提取更加简单，有利于该方法在BMS中的应用；利用多输出高斯过程回归模型方法完成特征参数与SOH函数模型的建立，更好地利用不同输出之间的潜在关联性，提高SOH的估计精度；同时该方法对于训练数据依赖较小，对不同类型的锂离子电池具有很好的适应性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.037 seconds)
