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

发明人： 王顺利 ,  林润曦 ,  刘广忱 ,  曹文 ,  王栓虎 ,  陈蕾 ,  李胜利 ,  高正清 ,  刘冬雷 ,  海南 ,  谢滟馨 ,  张丽亚 ,  李晓红

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。

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

发明人： 王顺利 ,  戚创事 ,  陈超 ,  张志伟 ,  林琳 ,  海南 ,  范永存 ,  曹文 ,  于春梅 ,  谢滟馨 ,  陈蕾 ,  高海英 ,  金思宇

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：CN118011221A

公开(公告)日：2024-05-10

申请号：CN202410411497.X

申请日：2024-04-08

申请人： 西南科技大学 ,  四川文理学院 ,  四川泽丰锂能新能源科技有限公司

发明人： 王顺利 ,  海南 ,  朱华伟 ,  陈光平 ,  范永存 ,  曹文 ,  于春梅 ,  龙涛 ,  毛辉浪 ,  杨晓勇 ,  朱斌 ,  谢滟馨 ,  陈蕾 ,  高海英 ,  金思宇 ,  吴帆

IPC分类号： G01R31/367 ,  G01R31/387 ,  G01R31/388 ,  G06N3/0499 ,  G06N3/04 ,  G06N3/086 ,  G06N3/084 ,  G06N3/0985

摘要： 本发明公开了基于混沌粒子群反馈优化的多温度锂电池SOC估算方法，包括：利用带有自适应惯性权重的混沌粒子群算法对预设的反馈神经网络进行训练及优化，获取锂离子电池的SOC估算模型；将实时电压电流，输入至所述SOC估算模型，获取锂离子电池的SOC值。本发明通过在混沌粒子群算法中引入自适应性惯性权重，提高了粒子全局搜索能力和局部收敛速度，解决了系统受环境影响大的非线性问题，并考虑到测试环境变化对神经网络参数预测问题，将电压电流实时输入网络，SOC为输出值，实现了锂离子电池组SOC值的有效迭代计算，并增加了估算精度和稳定性。

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

发明人： 王顺利 ,  海南 ,  梁雅雯 ,  杨潇 ,  谢滟馨 ,  于春梅 ,  曹文 ,  靳玉红 ,  彭家伟 ,  陈蕾

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

发明人： 王顺利 ,  白德奎 ,  海南 ,  王晓芳 ,  谢滟馨 ,  刘冬雷 ,  陈蕾 ,  范永存 ,  于春梅 ,  曹文 ,  刘春梅

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。