-
公开(公告)号：CN115327416A
公开(公告)日：2022-11-11
申请号：CN202211030919.6
申请日：2022-08-26
申请人： 西南科技大学 , 四川氢威新能源技术有限公司
IPC分类号： G01R31/387 , G01R31/367 , G06F17/15 , G06N3/00
摘要： 本发明公开了一种基于群体智能优化和粒子滤波的锂离子电池SOC估算方法，该方法包括建立Thevenin等效电路模型，描述电池动态特性；通过递推最小二乘的在线参数辨识方法，计算出一个完整工况中每一个采样点对应的各个参数值；结合电池状态空间模型，利用萤火虫算法和粒子滤波完成锂离子电池SOC值的估算。采用本发明公开的方法，在可控计算量的情况下，提高估算精度。
-
公开(公告)号：CN115308623A
公开(公告)日：2022-11-08
申请号：CN202211030790.9
申请日：2022-08-26
申请人： 西南科技大学 , 四川氢威新能源技术有限公司
IPC分类号： G01R31/387 , G01R31/367 , G01R31/378 , G06F30/25 , G06F17/18 , G06N3/00 , G06F111/08 , G06F119/10
摘要： 本发明公开了一种基于粒子重采样与搜寻者优化算法的电池荷电状态估计方法，属于新能源电池测控领域，本发明基于Thevenin等效电路模型，通过将SOC粒子模仿人类的合作、记忆、学习等智能行为，确定搜寻方向和步长，实现粒子向最优值的靠近，进而实现了对锂离子电池SOC值的有效迭代计算；本方法在充分考虑锂离子电池工作特性的基础上，基于等效电路模型，改进以粒子滤波为基础的迭代计算过程，实现锂离子电池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，本发明提高了计算可靠性；本发明可为不同应用场景下的锂离子电池SOC估算模型的建立和SOC值计算提供方法参考，具有计算简洁、适应性好和精度高的优点。
-
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：CN115598541B
公开(公告)日：2023-03-10
申请号：CN202211523987.6
申请日：2022-12-01
申请人： 西南科技大学 , 四川帝威能源技术有限公司
发明人： 王顺利 , 陈超 , 刘冬雷 , 杨潇 , 李飞 , 乔家璐 , 梁雅雯 , 曹文 , 王毅 , 于春梅 , 陈蕾 , 王建 , 刘全文 , 靳玉红 , 范永存 , 戚创事 , 熊莉英 , 任璞
IPC分类号： G01R31/367 , G01R31/382 , G01R31/378 , G06F17/16 , G06F17/12
摘要： 本发明公开了基于遗忘因子自适应反馈修正的电池能量状态评估方法，属于新能源电池测控领域，本发明针对锂电池的极化特性表征难题，构建锂离子电池二阶RC等效电路模型；针对FFRLS在线参数辨识方法不能很好适应工况变化难题，提出使用模糊逻辑控制器实现遗忘因子的在线自适应整定；在电池等效电路模型基础上运用AFFRLS和EKF的算法实现锂离子电池组SOE估算模型的建立和SOE值的数学迭代运算；提出AFFRLS和EKF的锂电池SOE估计研究，实现了SOE估算模型的构建与实验验证，在用于跟踪锂离子电池组输出电压时，平均估算误差为0.01V，最大估算误差为0.05V，显著提高了电池SOE估算精度。
-
公开(公告)号：CN113189492A
公开(公告)日：2021-07-30
申请号：CN202110545909.5
申请日：2021-05-19
申请人： 西南科技大学
IPC分类号： G01R31/367 , G01R31/387 , G01R31/388
摘要： 本发明涉及一种基于时变校正扩展卡尔曼滤波的锂离子电池SOC估算方法，其特征在于，通过在卡尔曼滤波算法基础上利用泰勒展开式进行线性化处理使卡尔曼滤波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，克服SOC初值误差和安时积分存在的累积误差；考虑到模型内部参数受多种因素影响而并非恒定不变，通过曲线拟合法得到SOC与各个参数的函数关系并应用在算法中；建立Thevenin等效电路模型，克服极化效应出现的误差，步骤简短且原理清晰，适合功率型电池充放电的暂态分析，且对电池具有更好的表征效果；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。
-
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：CN115327415A
公开(公告)日：2022-11-11
申请号：CN202211030809.X
申请日：2022-08-26
申请人： 西南科技大学 , 四川省科学城帝威电气有限公司
IPC分类号： G01R31/387 , G01R31/367 , G06F30/3323 , G06F111/10
摘要： 本发明公开了一种基于限定记忆递推最小二乘算法的锂电池SOC估算方法，基于锂电池二阶RC等效电路模型，确定待辨识参数向量；设计限定记忆递推最小二乘算法，去除旧数据，使用只包括限定长度的新数据，以提高在线参数辨识的精度，再采用EKF实现了对锂离子电池SOC值的有效迭代计算。本方法在充分考虑锂离子电池工作特性的基础上，基于等效电路模型，改进以RLS和卡尔曼为基础的迭代计算过程，实现锂离子电池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，不仅提高了计算可靠性，还可为不同应用场景下的锂离子电池SOC估算模型的建立和SOC值计算提供方法参考，具有计算简洁、适应性好和精度高的优点。
-
公开(公告)号：CN115128461A
公开(公告)日：2022-09-30
申请号：CN202110315162.4
申请日：2021-03-24
申请人： 西南科技大学
IPC分类号： G01R31/367 , G01R31/387
摘要： 本发明涉及一种基于渐消因子EKF与FFRLS的锂电池SOC估算方法，其特征在于，通过渐消因子的引入对过去数据进行渐消，实时调整预测协方差矩阵。降低环境因素导致的参数变化对荷电状态估计造成的误差，提高锂电池荷电状态的精度；考虑到模型内部参数受多种因素影响，采用遗忘因子最小二乘法，实现模型参数的精确估计；建立二阶RC等效电路模型，克服极化效应出现的误差，步骤简短且原理清晰，适合功率型电池充放电的暂态分析，且对电池具有更好的表征效果；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：CN115598541A
公开(公告)日：2023-01-13
申请号：CN202211523987.6
申请日：2022-12-01
申请人： 西南科技大学(CN) , 四川帝威能源技术有限公司(CN)
发明人： 王顺利 , 陈超 , 刘冬雷 , 杨潇 , 李飞 , 乔家璐 , 梁雅雯 , 曹文 , 王毅 , 于春梅 , 陈蕾 , 王建 , 刘全文 , 靳玉红 , 范永存 , 戚创事 , 熊莉英 , 任璞
IPC分类号： G01R31/367 , G01R31/382 , G01R31/378 , G06F17/16 , G06F17/12
摘要： 本发明公开了基于遗忘因子自适应反馈修正的电池能量状态评估方法，属于新能源电池测控领域，本发明针对锂电池的极化特性表征难题，构建锂离子电池二阶RC等效电路模型；针对FFRLS在线参数辨识方法不能很好适应工况变化难题，提出使用模糊逻辑控制器实现遗忘因子的在线自适应整定；在电池等效电路模型基础上运用AFFRLS和EKF的算法实现锂离子电池组SOE估算模型的建立和SOE值的数学迭代运算；提出AFFRLS和EKF的锂电池SOE估计研究，实现了SOE估算模型的构建与实验验证，在用于跟踪锂离子电池组输出电压时，平均估算误差为0.01V，最大估算误差为0.05V，显著提高了电池SOE估算精度。
-
公开(公告)号：CN115542161A
公开(公告)日：2022-12-30
申请号：CN202110737001.4
申请日：2021-06-30
申请人： 西南科技大学
IPC分类号： G01R31/367 , G01R31/382 , G01R31/387
摘要： 本发明涉及一种强跟踪SR‑CKF的锂电池SOC估计方法，其特征在于，通过强跟踪算法的引入实时调整预测协方差矩阵，提高算法的稳定性与跟踪效果。降低因环境因素对模型参数造成误差对SOC值的影响，提高锂电池的荷电状态估计精度；考虑到强跟踪CKF算法易出现矩阵负定使滤波发散的问题，引入平方根滤波算法，对预测协方差矩阵进行平方根分解，整个滤波过程直接以协方差矩阵的平方根形式进行传播与更新。提高数值稳定性的同时避免滤波发散，并降低计算复杂度；建立二阶RC等效电路模型，实现浓差极化现象和电化学极化现象的分开等效。该方法在充分考虑锂电池复杂工作环境基础上，基于等效模型电路，改进以容积卡尔曼滤波为基础的迭代计算过程，实现电池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。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.045 秒)
