一种并联型电池系统建模方法

    公开(公告)号:CN114910806B

    公开(公告)日:2024-05-07

    申请号:CN202210525610.8

    申请日:2022-05-16

    申请人: 盐城工学院

    摘要: 本发明公布了一种并联型电池系统建模方法,所述方法为:根据已知电池单体模型参数,结合并联电路工作特性,建立并联型电池系统基本模型;利用在线检测电池系统各支路电流I1~IN与电池系统总电流Ip的1/N,获得电流偏差值ΔI1~ΔIN,再与电池系统端电压在线检测值Up*共同作为SOC校准器的输入,得到荷电状态补偿值ΔSOCC;根据并联型电池系统模型,结合电池系统模型的端电压预测值Up及电池系统端电压在线检测值Up*,利用扩展卡尔曼滤波法得到荷电状态预测基值SOCE;将补偿的ΔSOCC与预测的SOCE叠加,得到校准后的SOCr,并结合并联型电池系统基本模型,建立并联型电池系统模型,如此循环,获得准确的并联型电池系统模型。

    一种串联型电池系统能量状态预测方法

    公开(公告)号:CN114895189A

    公开(公告)日:2022-08-12

    申请号:CN202210525632.4

    申请日:2022-05-16

    申请人: 盐城工学院

    摘要: 本发明公布了一种串联型电池系统能量状态预测方法,所述方法如下:由电池单体模型参数结合串联电路特性建立电池系统模型,构造电池空间状态方程;再结合电池系统电压在线检测值U和电流在线检测值I,对电池系统荷电状态SOC进行估计;将SOC、U为输入,通过能量状态基值预测模块获得能量状态预测基值SOEb;将电池单体离线数据作为输入,依次经过故障判别器、数据筛选器,得到电池单体常态数据,再结合各电池单体电压偏差值和电池系统电流在线检测值I,应用BP神经网络构建SOE修正器,输出能量状态补偿值ΔSOEb;将能量状态预测基值SOEb与能量状态补偿值ΔSOEb叠加,得到串联型电池系统能量状态预测值SOEr。

    一种电池储能系统选址定容方法
    3.
    发明公开

    公开(公告)号:CN115186862A

    公开(公告)日:2022-10-14

    申请号:CN202210525747.3

    申请日:2022-05-16

    申请人: 盐城工学院

    摘要: 本发明公布了一种电池储能系统选址定容方法,所述方法如下:首先初始化系统参数,产生含有电池储能系统地址和容量信息的初始种群,然后经排序操作,分别得到初始种群个体最大适应度EH、个体最小适应度EL、个体平均适应度Ea;由EH、EL作为输入,经迭代温度模块得到当前迭代温度Tr;以初始种群作为输入,结合Tr经选择操作模块得到新种群1,再以新种群1作为输入,结合EH、EL、Ea、Tr,经改进遗传操作模块得到新种群3,最后在新种群3中选择适应度最大个体,并判断是否达到最大迭代次数,若是则输出所求的电池储能系统地址和容量,反之重复上述步骤。

    一种并联型电池系统建模方法

    公开(公告)号:CN114910806A

    公开(公告)日:2022-08-16

    申请号:CN202210525610.8

    申请日:2022-05-16

    申请人: 盐城工学院

    摘要: 本发明公布了一种并联型电池系统建模方法,所述方法为:根据已知电池单体模型参数,结合并联电路工作特性,建立并联型电池系统基本模型;利用在线检测电池系统各支路电流I1~IN与电池系统总电流Ip的1/N,获得电流偏差值ΔI1~ΔIN,再与电池系统端电压在线检测值Up*共同作为SOC校准器的输入,得到荷电状态补偿值ΔSOCC;根据并联型电池系统模型,结合电池系统模型的端电压预测值Up及电池系统端电压在线检测值Up*,利用扩展卡尔曼滤波法得到荷电状态预测基值SOCE;将补偿的ΔSOCC与预测的SOCE叠加,得到校准后的SOCr,并结合并联型电池系统基本模型,建立并联型电池系统模型,如此循环,获得准确的并联型电池系统模型。

    一种串联型电池系统能量状态预测方法

    公开(公告)号:CN114895189B

    公开(公告)日:2024-05-10

    申请号:CN202210525632.4

    申请日:2022-05-16

    申请人: 盐城工学院

    摘要: 本发明公布了一种串联型电池系统能量状态预测方法,所述方法如下:由电池单体模型参数结合串联电路特性建立电池系统模型,构造电池空间状态方程;再结合电池系统电压在线检测值U和电流在线检测值I,对电池系统荷电状态SOC进行估计;将SOC、U为输入,通过能量状态基值预测模块获得能量状态预测基值SOEb;将电池单体离线数据作为输入,依次经过故障判别器、数据筛选器,得到电池单体常态数据,再结合各电池单体电压偏差值和电池系统电流在线检测值I,应用BP神经网络构建SOE修正器,输出能量状态补偿值ΔSOEb;将能量状态预测基值SOEb与能量状态补偿值ΔSOEb叠加,得到串联型电池系统能量状态预测值SOEr。