-
公开(公告)号：CN117463643B
公开(公告)日：2024-03-26
申请号：CN202311824236.2
申请日：2023-12-28
申请人： 四川帝威能源技术有限公司 , 西南科技大学 , 四川帝威能碳科技有限公司
IPC分类号： B07C5/344
摘要： 本发明公开了一种退役动力锂电池容量分选方法、系统、电子设备及介质，方法包括：将退役动力锂电池进行同一型号分拣，得到分拣锂电池；基于所述分拣锂电池，设置片段电压区间；基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；通过K‑Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。系统包括：电池分拣模块、电压设置模块、增量计算模块、容量分选模块。本发明以充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
-
公开(公告)号：CN117463643A
公开(公告)日：2024-01-30
申请号：CN202311824236.2
申请日：2023-12-28
申请人： 四川帝威能源技术有限公司 , 西南科技大学 , 四川帝威能碳科技有限公司
IPC分类号： B07C5/344
摘要： 本发明公开了一种退役动力锂电池容量分选方法、系统、电子设备及介质，方法包括：将退役动力锂电池进行同一型号分拣，得到分拣锂电池；基于所述分拣锂电池，设置片段电压区间；基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；通过K‑Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。系统包括：电池分拣模块、电压设置模块、增量计算模块、容量分选模块。本发明以充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
-
公开(公告)号：CN117591796A
公开(公告)日：2024-02-23
申请号：CN202410078084.4
申请日：2024-01-19
申请人： 四川帝威能源技术有限公司 , 西南科技大学 , 四川城市职业学院
IPC分类号： G06F17/18 , G01R31/367 , G06F17/16 , G06F17/11 , G06Q50/06
摘要： 本发明公开了双层遗忘因子递推最小二乘电池模型参数在线辨识方法，包括：基于第一层递推最小二乘算法，进行电池等效电路模型参数辨识，获取预设参数和；将所述预设参数作为输入，基于第二层递推最小二乘算法，进行电流测量偏移修正，获取修正后的电流，再将修正后的电流作为第一层递推最小二乘算法的输入参数，进行迭代，获取电池等效电路模型全参数。本发明能降低算法系统噪声，提高参数辨识的精度，为动力电池的能源管理提供理论依据。
-
公开(公告)号：CN115656839A
公开(公告)日：2023-01-31
申请号：CN202211646158.7
申请日：2022-12-21
申请人： 四川帝威能源技术有限公司 , 西南科技大学
IPC分类号： G01R31/367 , G01R31/3842
摘要： 本发明公开了一种基于BP‑DEKF算法的电池状态参量协同估算方法，属于新能源电池测控领域，基于二阶RC等效电路模型建立电池关于SOC和容量的状态方程；采用双扩展卡尔曼滤波方法，构建EKF1和EKF2实现对电池的SOC与SOH的协同估计；并以安时积分为桥梁，将SOC和SOH的估计值关联形成闭环，两者相互校正反馈实现协同估计，最后引入BP神经网络进行修正。本方法改进以扩展卡尔曼为基础的迭代计算过程，实现协同估算模型的建立和SOC值与SOH值的数学迭代运算算法的可靠运行，提高了计算可靠性，还为不同应用场景下锂电池SOC与SOH估算模型的建立和SOC值与SOH值计算提供方法参考，计算简洁、适应性好、精度高。
-
公开(公告)号：CN115754748A
公开(公告)日：2023-03-07
申请号：CN202111023659.5
申请日：2021-09-02
申请人： 西南科技大学
IPC分类号： G01R31/382
摘要： 目前，随着新能源的日益发展，现已成为能源发展战略上的主流，电动汽车在汽车运输领域的作用愈加明显。电动汽车中电池管理系统（BMS）是连接车载动力电池和电动汽车的核心部分，它能够有效提高电池的利用率。而准确估算动力电池的荷电状态（SOC）是保证电池管理系统良好运行的前提和关键。本发明以锂电池SOC为研究对象，通过采用支持向量机的方法，将锂电池非线性空间内的样本映射到线性空间，以此来得到锂电池工作特性。根据实验结果，采用支持向量机对锂电池的工作特性进行分析，能够有效估算锂电池的SOC，为电动汽车电池带来了实用的价值。
-
公开(公告)号：CN118244112A
公开(公告)日：2024-06-25
申请号：CN202211652791.7
申请日：2022-12-22
申请人： 西南科技大学
IPC分类号： G01R31/367 , G06N3/0499 , G06N3/0985 , G06N3/086 , G06N3/126
摘要： 本发明涉及一种用于锂电池SOC精确估算的超参数优化多层前馈遗传神经网络模型，该模型针对神经网络对锂电池组SOC值的精确估算目标，提出了一种超参数优化方法，通过对遗传因子取值进行遍历，实现阶梯式动态优化；降低单一优化因子对三层前馈神经网络稳定性的破坏；考虑到所建立的三层前馈神经网络对不同锂电池测试数据集的匹配性，采用随机和网格遍历相融合的测试方法，对数据集进行等比例随机抽取实时记录每组误差值直至找到最优值，设置验证集避免局部优化，克服了过拟合出现的误差；在遗传算法的基础上，对模型架构和参数运用随机和网格遍历相结合实现锂电池组的SOC估算模型的建立和优化，实现建立匹配度高，准确性高以及架构稳定的SOC估算神经网络系统。
-
公开(公告)号：CN117872169A
公开(公告)日：2024-04-12
申请号：CN202410052711.7
申请日：2024-01-12
申请人： 西南科技大学 , 绵阳市产品质量监督检验所
IPC分类号： G01R31/378 , G06N3/0499 , G06N3/086 , G06F18/23213 , G01R31/367 , G01R31/387 , G01R31/388
摘要： 本发明公开了一种锂电池剩余电量估算方法和系统，适用于极端低温等特定工况下的锂电池SOC值估算。通过构建三层误差反馈神经网络，将多组特定工况下检测的实时电压、电流和工况参数‑如温度值‑输入到神经网络中进行训练，并使用遗传算法对神经网络的权重和阈值进行更新，利用K‑means分簇思想优化遗传因子取值，有效融合K算子和遗传因子自适应函数，有效避免经验取值造成的误差。本发明搭建充放电控制系统，将极端工况电压、电流及工况参数输入优化后的模型，可对锂电池剩余电量进行更为精准的估算。遗传算法的进化过程还结合了精英保留策略和替代策略，保留优质种群并设定K个簇类中心，优化种群簇类收敛过程，避免陷入局部最优以及早熟现象。
-
公开(公告)号：CN116736154A
公开(公告)日：2023-09-12
申请号：CN202210189913.7
申请日：2022-03-01
申请人： 西南科技大学
IPC分类号： G01R31/387
摘要： 本发明涉及一种基于BCRLS偏差补偿的BP‑EKF在线SOC估算方法，其特征在于，通过在EKF算法基础上引入具有非线性映射与自学习能力的BP神经网络以修正EKF的模型误差，能应用于具有非线性关系的锂离子电池组SOC估算，实现了对锂离子电池组SOC值的有效迭代计算；考虑到实际环境中会有大量不确定噪声，采用BCRLS算法进行参数辨识以更好的捕捉系统的实时工作特性；建立二阶RC等效电路模型，在Thevenin等效电路模型的基础上增加一个RC回路，以更好的表征电池系统的动态和静态特性，且计算量适中；该方法在充分考虑锂离子电池成组工作基础上，基于等效模型电路，改进以卡尔曼滤波为基础的迭代计算过程，实现锂离子电池组SOC估算模型的建立和SOC值的数学迭代运算算法的可靠运行。
-
公开(公告)号：CN112800707A
公开(公告)日：2021-05-14
申请号：CN202110084556.3
申请日：2021-01-21
申请人： 西南科技大学 , 中国(绵阳)科技城工业技术研究院
IPC分类号： G06F30/367 , G06F17/13 , G06F17/17 , G06F17/18
摘要： 本发明公开了一种用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，包括以下步骤：S01、根据锂离子电池组SOC的影响因素与内部因参数耦合而具有的非线性工作特性之间的关系构建电池模型；S02、采集电池组的各项数据并进行整合；S03、整合后的数据利用无迹卡尔曼滤波算法得到的均值和方差来更新粒子滤波算法采样中的粒子集；S04、根据步骤S03的计算预测锂离子电池组工作特性。具有采用无迹卡尔曼滤波具有良好的滤波效果，它通过采取对系统状态变量的概率密度拟合，从而巧妙地避开了线性化过程带来的误差，估算精度进一步提升，系统鲁棒性更好的优点。
-
公开(公告)号：CN118898176A
公开(公告)日：2024-11-05
申请号：CN202411397553.5
申请日：2024-10-09
申请人： 西南科技大学 , 内蒙古工业大学 , 北京京能清洁能源电力股份有限公司内蒙古分公司
IPC分类号： G06F30/20 , G01R31/367 , G06F17/11 , G06F17/16
摘要： 本发明公开了一种新型动态折息储能电池模型参数的辨识方法，属于新能源测控技术领域，包括以下步骤：构建储能电池不同时间尺度下的双电阻‑电容电路网络等效电路网络结构模型，并对模型中待辨识的参数进行初始化；基于遗忘因子最小二乘法，引入动态折息因子和折息中加权因子对动态遗忘因子进行调整，构建动态折息最小二乘法；引入多重新息酉分解滤波算法，对新息输出模值比进行更新，基于更新结果选择对应的加权因子；预设协方差矩阵，基于调整后的动态遗忘因子和选择的加权因子对协方差矩阵进行更新；基于更新后的协方差矩阵对待辨识的参数进行分离，获得辨识结果。本发明解决了电池系统等效电路模型参数的精确辨识和充电状态准确估算问题。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.042 秒)
