-
公开(公告)号：CN107045105A
公开(公告)日：2017-08-15
申请号：CN201611076522.5
申请日：2016-11-29
Applicant: 北京交通大学 , 中车长春轨道客车股份有限公司
IPC: G01R31/36
Abstract: 本发明涉及一种锂离子电池组可用能量计算方法。该方法包括如下步骤：S1、检测待测锂离子电池组(均分为n个电池组)中各锂离子电池单体的容量和中值电压，S2、求出任意一个电池组Yj的容量的分布函数；S3、根据分布函数求出Yj的期望值EYj和方差Var(Yj)；S4、计算n个电池组的总容量Qsum的临界值Tn；S5、最后求得n个电池组的总能量En即为待测锂离子电池组可用能量。该方法利用对于同一批次的新锂离子电池或锂离子电池使用工况相同时，锂离子电池参数(容量)往往服从正态分布，因此，通过锂离子电池单体参数(容量)分布计算锂离子电池单体成组后的锂离子电池组可用能量，有利于锂离子电池制造厂商或锂离子电池使用者评价不同电压等级下的锂离子电池成组后的表现。
-
公开(公告)号：CN107045105B
公开(公告)日：2019-10-18
申请号：CN201611076522.5
申请日：2016-11-29
Applicant: 北京交通大学 , 中车长春轨道客车股份有限公司
IPC: G01R31/36
Abstract: 本发明涉及一种锂离子电池组可用能量计算方法。该方法包括如下步骤：S1、检测待测锂离子电池组(均分为n个电池组)中各锂离子电池单体的容量和中值电压，S2、求出任意一个电池组Yj的容量的分布函数；S3、根据分布函数求出Yj的期望值EYj和方差Var(Yj)；S4、计算n个电池组的总容量Qsum的临界值Tn；S5、最后求得n个电池组的总能量En即为待测锂离子电池组可用能量。该方法利用对于同一批次的新锂离子电池或锂离子电池使用工况相同时，锂离子电池参数(容量)往往服从正态分布，因此，通过锂离子电池单体参数(容量)分布计算锂离子电池单体成组后的锂离子电池组可用能量，有利于锂离子电池制造厂商或锂离子电池使用者评价不同电压等级下的锂离子电池成组后的表现。
-
公开(公告)号：CN107039696A
公开(公告)日：2017-08-11
申请号：CN201611077567.4
申请日：2016-11-29
Applicant: 北京交通大学 , 中车长春轨道客车股份有限公司
CPC classification number: H01M10/44 , H01M10/441 , H01M10/443 , H02J7/00
Abstract: 本发明属于锂离子电池充电技术领域，具体涉及一种轨道交通用车载储能锂离子电池的优化充电方法。基于锂离子电池循环寿命衰退特性，计算锂离子电池全生命周期内的最大充电电流和充电截止电压，并在此最大充电电流和充电截止电压的约束下，以缩短充电时间和控制电池充电温升为目标，构造优化充电目标函数，使用遗传算法寻找最优充电电流，以平衡减少充电时间和降低充电温升这两个互相矛盾的目标。结果表明，此优化充电电流在保证充电快速性的同时，控制充电过程的极化电压和温升在允许的范围内，保证了充电容量、充电效率和充电安全性和电池寿命。
-
公开(公告)号：CN107039696B
公开(公告)日：2019-04-05
申请号：CN201611077567.4
申请日：2016-11-29
Applicant: 北京交通大学 , 中车长春轨道客车股份有限公司
Abstract: 本发明属于锂离子电池充电技术领域，具体涉及一种轨道交通用车载储能锂离子电池的优化充电方法。基于锂离子电池循环寿命衰退特性，计算锂离子电池全生命周期内的最大充电电流和充电截止电压，并在此最大充电电流和充电截止电压的约束下，以缩短充电时间和控制电池充电温升为目标，构造优化充电目标函数，使用遗传算法寻找最优充电电流，以平衡减少充电时间和降低充电温升这两个互相矛盾的目标。结果表明，此优化充电电流在保证充电快速性的同时，控制充电过程的极化电压和温升在允许的范围内，保证了充电容量、充电效率和充电安全性和电池寿命。
-
公开(公告)号：CN117368774A
公开(公告)日：2024-01-09
申请号：CN202310878743.8
申请日：2023-07-17
Applicant: 北京交通大学
IPC: G01R31/392 , G06F18/10 , G06F18/27 , G01R31/389 , G01R31/367
Abstract: 本发明涉及锂离子电池健康状态估计领域，公开了一种基于阻抗谱重构技术的锂离子电池健康状态估计方法。本发明采用逆重复M序列来设计包含多频成分的电流激励信号以对电池阻抗谱进行快速测试，通过选取Morse复小波为母小波对电池电流激励与测量得到的电压响应进行连续小波变换，进行目标频率范围内的电池阻抗谱重构，基于不同老化状态电池重构阻抗谱在特殊频率点处的阻抗幅值建立估计电池健康状态的多元线性回归模型，从而实现锂离子电池健康状态的快速评估。该方法快速准确，大大缩短了电池阻抗谱的测试时间，同时能够适用于多类型、多应用场景下锂离子电池的健康状态评估。
-
Patent Agency Ranking
公开(公告)号：CN116359767A
公开(公告)日：2023-06-30
申请号：CN202310167092.1
申请日：2023-02-24
Applicant: 中国长江三峡集团有限公司 , 北京交通大学
IPC: G01R31/389 , G01R31/367 , G01R31/3842
Abstract: 本发明提供了一种短路阻值估计方法、装置、计算机设备及介质。其中，短路阻值估计方法，包括：基于正常电池的正常等效电路模型，获得正常电池的测量电池电量和模型电压误差；基于模型电压误差和短路电池的内短路等效电路模型，确定短路电池的预测电池电量，内短路等效电路模型是在正常等效电路模型上并联一个内短路电阻得到；基于正常电池的测量电池电量和短路电池的预测电池电量，计算内短路等效电路模型中的内短路阻值。通过本发明，准确估计内短路阻值，抑制模型误差对内短路阻值估计精度的影响。
-
公开(公告)号：CN116027200A
公开(公告)日：2023-04-28
申请号：CN202211680160.6
申请日：2022-12-27
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/392 , G06F16/215 , G06F17/16
Abstract: 本发明涉及一种基于历史数据的锂离子电池异常识别及诊断方法，所述锂离子电池异常识别及诊断方法能够被一个或多个处理器执行，包括：S1，所述一个或多个处理器获取电池系统的历史数据，并对所述历史数据按照删除无效数据和补全缺失数据的方式进行清洗；S2，所述一个或多个处理器获取所述历史数据中的充电过程以进一步得到正常电池的电压阈值；S3，所述一个或多个处理器基于所述电压阈值确定电池的异常偏离指数，并基于所述异常偏离指数完成异常电池的筛选；S4，所述一个或多个处理器能够基于异常偏离指数的变化趋势对异常电池的故障类型进行确定，并基于异常偏离指数的变化速度判断异常电池的故障程度。
-
公开(公告)号：CN115166553A
公开(公告)日：2022-10-11
申请号：CN202210714553.8
申请日：2022-06-23
Applicant: 北京交通大学
IPC: G01R31/389 , H01M10/42
Abstract: 本发明涉及一种锂离子电池扩散极化过程无损分离方法，该方法利用电极和电池的热力学和扩散动力学间的匹配关系，根据辨识的全电池固相扩散系数，在基变换下分离电极的固相扩散过程。本发明主要包括如下步骤：首先，构建电极和全电池的热力学参数匹配关系，获取正负极的电压增量特性；然后，根据电极和全电池的电压增量来选取合适的SOC点进行交流阻抗测试；然后，利用交流阻抗测试和等效阻抗模型辨识电池固相扩散时间常数；最后，在基变换的理论下分离电极的固相扩散时间，结合电极的电压增量实现电极扩散内阻的无损分离。该方法步骤简单，易于在线实现，且可靠性高，适用于电动汽车动力电池内部电极材料微观机理的无损检测。
-
公开(公告)号：CN112208389B
公开(公告)日：2022-02-11
申请号：CN202010933951.X
申请日：2020-09-08
Applicant: 北京交通大学 , 中车工业研究院有限公司
IPC: B60L58/10
Abstract: 本发明涉及一种针对车载动力电池的日常便捷检测方法，步骤为：步骤1：基于各个电池单体电压值，通过高斯分布拟合将电压值处于较低概率范围的异常电池单体，赋予异常值；步骤2：在车载动力电池充电全过程中，每间隔n秒，重复步骤1筛选出全部异常电池单体；步骤3：各异常电池单体，逐个对其全部的异常值的绝对值进行累加，得到累加异常值；步骤4：将全部异常电池单体分组对应于异常类型分类，累加异常值作为判断标准；步骤5：根据异常分布变化趋势判断异常情况。本发明，检测简单便捷，成本低，可用于日常的电动汽车动力电池检测，可对车辆当前整体状态进行大致的检测评估，降低车辆因长期缺乏检测而造成较严重事故的可能性。
-
公开(公告)号：CN113884900A
公开(公告)日：2022-01-04
申请号：CN202111066744.X
申请日：2021-09-13
Applicant: 北京交通大学
IPC: G01R31/371
Abstract: 本发明公开了一种三元锂离子电池容量突变点预测方法，从已有的电池加速老化数据中提取与新的电池具有相同加速老化模式的迁移样本，用于训练机器学习模型，最终预测新的电池的容量突变点。锂离子电池容量突变点预测方法包括加速老化模式判断，迁移样本选择以及容量突变点预测。具体为从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线的早期变化曲线上提取表征锂离子电池的健康状态的17个老化特征参数，然后利用机器学习算法对锂离子电池的加速老化模式进行早期诊断，然后根据加速老化模式判断结果从已有的电池加速老化数据中进行样本选择，利用迁移样本训练机器学习模型，最终对新的电池进行容量突变点预测。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.051 seconds)
