-
公开(公告)号：CN117686920B
公开(公告)日：2024-04-12
申请号：CN202410145658.5
申请日：2024-02-02
申请人： 河南科技学院
IPC分类号： G01R31/367 , G01R31/396
摘要： 本发明提供一种用于电池系统内单体电池的端电压预测方法，通过电流分布结构构建电流分布表；获得电池模组的总电压值、总电流值以及剩余电量；根据电池模组的并联支路数量，进而通过查电流分布表得到支路电流的先验分布，然后通过电池拓扑结构推理出单体电池的支路电流值；以总电压值、支路电流值和剩余电量三个变量作为端电压预测模型的输入，从而预测出单体电池的端电压值；构建的电流分布表可以解决传统方法计算量大的问题，并通过端电压预测模型优化单体电池的端电压预测精度，有效提高了电池系统的安全性和稳定性。
-
公开(公告)号：CN117686937A
公开(公告)日：2024-03-12
申请号：CN202410145590.0
申请日：2024-02-02
申请人： 河南科技学院
IPC分类号： G01R31/392 , G01R31/396 , G01R31/367
摘要： 本发明提供一种用于电池系统内单体电池的健康状态估计方法，通过电流分布结构构建电流分布表；获得电池模组的总电压值、总电流值以及剩余电量；根据电池模组的并联支路数量，进而通过查电流分布表得到支路电流的先验分布，然后通过电池拓扑结构推理出单体电池的支路电流值；以总电压值、支路电流值和剩余电量三个变量作为端电压预测模型的输入，从而预测出单体电池的端电压值；对得到的单体电池的支路电流值和端电压估计值进行二段特征提取，并将提取得到的特征序列作为对抗验证编码器网络模型的输入，从而训练对抗验证编码器网络模型；基于训练后的对抗验证编码器网络模型准确地估算出电池模组内单体电池的健康状态。
-
公开(公告)号：CN118858992A
公开(公告)日：2024-10-29
申请号：CN202411351875.6
申请日：2024-09-26
申请人： 河南科技学院
IPC分类号： G01R31/387 , G01R31/385 , G01R31/388 , G01R31/367 , G01D21/02 , G06F30/27 , G06F119/08 , G06F119/14
摘要： 基于机械应力特性的锂电池SOC智能在线估算方法，包括以下步骤：获取软包电池在充放电过程中机械应力、温度、电流和电压的数据，记为原始数据；将原始数据送入第一线性层处理，从而将输入维度转换为隐藏层维度，获得转换数据；将转换数据送入残差层，残差层的输出依次经均方根归一化层、第二线性层和Sigmoid激活函数后，获得电池的SoC估算；以温度、电流、电压和机械应力测量值作为输入，通过利用BiMamba‑X神经网络模型捕捉软包锂离子电池在充放电过程中的温度变化特征、机械应力特征和电流‑电压特征，避免信息的丢失和过度压缩，使模型能够保留更多的原始信息，专注于电池工作范围内的关键状态，提高了估算精度。
-
公开(公告)号：CN117686920A
公开(公告)日：2024-03-12
申请号：CN202410145658.5
申请日：2024-02-02
申请人： 河南科技学院
IPC分类号： G01R31/367 , G01R31/396
摘要： 本发明提供一种用于电池系统内单体电池的端电压预测方法，通过电流分布结构构建电流分布表；获得电池模组的总电压值、总电流值以及剩余电量；根据电池模组的并联支路数量，进而通过查电流分布表得到支路电流的先验分布，然后通过电池拓扑结构推理出单体电池的支路电流值；以总电压值、支路电流值和剩余电量三个变量作为端电压预测模型的输入，从而预测出单体电池的端电压值；构建的电流分布表可以解决传统方法计算量大的问题，并通过端电压预测模型优化单体电池的端电压预测精度，有效提高了电池系统的安全性和稳定性。
-
公开(公告)号：CN117686937B
公开(公告)日：2024-04-12
申请号：CN202410145590.0
申请日：2024-02-02
申请人： 河南科技学院
IPC分类号： G01R31/392 , G01R31/396 , G01R31/367
摘要： 本发明提供一种用于电池系统内单体电池的健康状态估计方法，通过电流分布结构构建电流分布表；获得电池模组的总电压值、总电流值以及剩余电量；根据电池模组的并联支路数量，进而通过查电流分布表得到支路电流的先验分布，然后通过电池拓扑结构推理出单体电池的支路电流值；以总电压值、支路电流值和剩余电量三个变量作为端电压预测模型的输入，从而预测出单体电池的端电压值；对得到的单体电池的支路电流值和端电压估计值进行二段特征提取，并将提取得到的特征序列作为对抗验证编码器网络模型的输入，从而训练对抗验证编码器网络模型；基于训练后的对抗验证编码器网络模型准确地估算出电池模组内单体电池的健康状态。
-
-
-
-
搜索结果
5 条记录 (耗时 0.025 秒)
