-
公开(公告)号：CN116953523A
公开(公告)日：2023-10-27
申请号：CN202310847306.X
申请日：2023-07-11
Applicant: 山东大学
IPC: G01R31/367 , G01R31/392 , G06F17/16
Abstract: 本发明提供了一种动力电池剩余使用价值量化与预测方法及系统，所述方案包括获取各单体电池的电池健康状态、剩余使用寿命以及容量衰减率指标数据；基于所述指标数据，利用熵权法对每个指标进行权值计算；基于各指标数据的最大最小值以及各指标权值，确定单体电池的初始得分；基于所述初始得分、电池性能参数影响的使用价值占比以及电池原料费占比，确定单体电池剩余使用价值百分比；基于单体电池剩余使用价值百分比以及单体电池价格，获得各单体电池剩余价值预测结果。
-
公开(公告)号：CN115219902B
公开(公告)日：2024-08-16
申请号：CN202210789672.X
申请日：2022-07-06
Applicant: 山东大学
IPC: G01R31/36
Abstract: 本发明属于动力电池领域，公开了一种动力电池寿命快速测试方法及系统，包括：获取待测试动力电池的变量曲线，基于获取的变量曲线得到横向和纵向变量序列；将横向和纵向变量序列作为自变量，基于核典型相关分析方法将自变量拟合到电池循环寿命，引入递归核典型相关分析方法得到自变量和电池循环寿命之间的最大相关系数；将最大相关系数高于阈值的电池循环寿命对应的序列结合机器学习模型进行测试得到动力电池寿命测试结果。本发明避免了对先验知识的要求，与传统测试方法相比，在电池循环寿命测试中表现出良好的有效性并提高了鲁棒性，且极大缩短了测试时间。
-
公开(公告)号：CN116660770A
公开(公告)日：2023-08-29
申请号：CN202310646414.0
申请日：2023-05-31
Applicant: 山东大学
IPC: G01R31/387 , G01R31/392 , G01R31/367
Abstract: 本发明属于动力电池状态估计技术领域，具体涉及一种基于应力的电池荷电状态定义与估计方法及系统，包括：获取电池在不同的健康状态下单次充放电循环的应力和荷电状态；分析电池在不同的健康状态下的应力和荷电状态之间的相关性，得到荷电状态与应力之间的线性关系；根据所得到的线性关系，完成基于应力定义的电池荷电状态的估计。
-
公开(公告)号：CN116540135A
公开(公告)日：2023-08-04
申请号：CN202310605173.5
申请日：2023-05-25
Applicant: 山东大学
IPC: G01R31/392 , G01R31/367 , G01R31/385 , G01R31/389 , G01D21/02
Abstract: 本发明属于动力电池预测领域，提供了一种基于应力的电池剩余寿命定义、评估与预测方法，本发明根据容量和内阻定义法，以及应力与电池寿命的强相关性，提出了基于应力的动力电池剩余使用寿命的定义，进一步结合电池应力、容量、内阻等多种定义方法，进行加权求和，综合评估电池剩余寿命，最后利用模型，将电流、电压、容量、应力等特征作为输入，在线预测电池的剩余寿命。
-
公开(公告)号：CN114879050A
公开(公告)日：2022-08-09
申请号：CN202210669341.2
申请日：2022-06-14
Applicant: 山东大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明公开了一种基于云边协同的动力电池寿命智能快速测试方法及系统，包括：在边缘端进行待测动力电池循环充放电试验，获取设定时间内的电池容量测试时间序列数据；将电池容量测试时间序列数据上传至云端，作为训练数据，对经过了初步训练的动力电池寿命预测基础模型进行再次训练；根据设定时间内的电池容量测试时间序列数据，以及再次训练后的动力电池寿命预测基础模型，在边缘端进行容量预测，得到待测动力电池的整体容量退化趋势和剩余寿命。本发明将训练寿命预测基础模型的任务集中在云端，在边缘侧进行寿命预测任务。仅利用部分容量数据，即可预测电池的剩余使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN119395588A
公开(公告)日：2025-02-07
申请号：CN202510011894.2
申请日：2025-01-06
Applicant: 山东大学
IPC: G01R31/392 , G01R31/367 , G01R31/396
Abstract: 本发明涉及动力电池老化分析技术领域，具体公开了一种基于膨胀应力的动力电池老化与健康状态估计方法及系统，方法包括：获取锂电池全寿命周期的充放电电压、应力膨胀数据和容量数据；利用预处理后的充放电电压和应力膨胀数据，计算膨胀增量，绘制各充放电循环的膨胀增量曲线；每一条膨胀增量曲线的峰值或峰谷与对应的SOH数据构成数据集；对电池健康状态预测模型进行训练；获取同类型待测锂电池当前的充电电压和应力膨胀数据，绘制膨胀增量曲线；提取膨胀增量曲线的峰值或峰谷数据，利用训练好的电池健康状态预测模型，得到电池健康状态预测结果。本发明预测过程充分考虑了电池的力学特征，提高了估计准确性与鲁棒性。
-
公开(公告)号：CN116953550A
公开(公告)日：2023-10-27
申请号：CN202310813243.6
申请日：2023-07-04
Applicant: 山东大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G01R31/385
Abstract: 本发明提供了一种动力电池退役标准化判定方法及系统，所述方法，包括以下过程：获取动力电池的容量数据以及健康状态数据；以上一充放电循环的电池容量减去当前充放电循环的电池容量得到衰退梯度，将当前充放电循环的健康状态的平方除以容量衰退梯度，得到动力电池的退役指标；当退役指标小于设定阈值时，动力电池退役；否则，动力电池能够继续运行；本发明基于SOH和容量衰退梯度两个指标综合评价电池老化状态，提出了一种全新的电池退役指标，能够根据电池多种实时状态综合评价每个电池单体，进而达到个性化退役，既保障了电池的安全使用，又提高了电池的利用率。
-
公开(公告)号：CN116930789A
公开(公告)日：2023-10-24
申请号：CN202310948789.2
申请日：2023-07-31
Applicant: 山东大学
IPC: G01R31/387 , G01R31/388 , G01R31/367 , G01R31/392 , G01R31/378
Abstract: 本发明公开了一种电池容量衰退的跳水拐点精准识别方法，包括：将电池容量进行归一化，以电池健康状态表示当前电池剩余可用容量，得到电池容量衰退曲线，并进行滤波处理；将电池容量衰退曲线的起点和终点相连，得到电池的线性老化曲线；计算电池容量衰减曲线中的每一个点的老化非线性度；在整个周期中，老化非线性度最大点即为电池容量衰退曲线拐点。本发明方法计算过程简单，准确率高，鲁棒性好，对线性老化曲线准确度要求低，可进一步应用于电池容量衰退的跳水拐点在线精准检测。
-
公开(公告)号：CN115219902A
公开(公告)日：2022-10-21
申请号：CN202210789672.X
申请日：2022-07-06
Applicant: 山东大学
IPC: G01R31/36
Abstract: 本发明属于动力电池领域，公开了一种动力电池寿命快速测试方法及系统，包括：获取待测试动力电池的变量曲线，基于获取的变量曲线得到横向和纵向变量序列；将横向和纵向变量序列作为自变量，基于核典型相关分析方法将自变量拟合到电池循环寿命，引入递归核典型相关分析方法得到自变量和电池循环寿命之间的最大相关系数；将最大相关系数高于阈值的电池循环寿命对应的序列结合机器学习模型进行测试得到动力电池寿命测试结果。本发明避免了对先验知识的要求，与传统测试方法相比，在电池循环寿命测试中表现出良好的有效性并提高了鲁棒性，且极大缩短了测试时间。
-
公开(公告)号：CN118897198A
公开(公告)日：2024-11-05
申请号：CN202411396800.X
申请日：2024-10-09
Applicant: 山东大学
IPC: G01R31/367 , G06F40/284 , G06N3/0455 , G06N3/0985 , G01R31/388 , G01R31/389 , G01R31/385 , G01R31/392
Abstract: 本发明属于锂离子电池技术领域，提供了基于预训练大语言模型的电池健康状态估计方法与系统，其技术方案为融合多循环充电信息进行候选电压组合，以高效获取候选特征，通过建立的恒流充电阶段的电压‑充电量曲线，不需要完整的充放电数据，也不需要建立复杂的数学模型或电化学模型，即可提取出有效的候选特征，同时借助预训练大语言模型和模型微调技术实现了电池健康状态连续、可靠和准确估计。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.047 seconds)
