-
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：CN117463643B
公开(公告)日：2024-03-26
申请号：CN202311824236.2
申请日：2023-12-28
申请人： 四川帝威能源技术有限公司 , 西南科技大学 , 四川帝威能碳科技有限公司
IPC分类号： B07C5/344
摘要： 本发明公开了一种退役动力锂电池容量分选方法、系统、电子设备及介质，方法包括：将退役动力锂电池进行同一型号分拣，得到分拣锂电池；基于所述分拣锂电池，设置片段电压区间；基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；通过K‑Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。系统包括：电池分拣模块、电压设置模块、增量计算模块、容量分选模块。本发明以充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
-
公开(公告)号：CN117463643A
公开(公告)日：2024-01-30
申请号：CN202311824236.2
申请日：2023-12-28
申请人： 四川帝威能源技术有限公司 , 西南科技大学 , 四川帝威能碳科技有限公司
IPC分类号： B07C5/344
摘要： 本发明公开了一种退役动力锂电池容量分选方法、系统、电子设备及介质，方法包括：将退役动力锂电池进行同一型号分拣，得到分拣锂电池；基于所述分拣锂电池，设置片段电压区间；基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；通过K‑Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。系统包括：电池分拣模块、电压设置模块、增量计算模块、容量分选模块。本发明以充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
-
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：CN112964997B
公开(公告)日：2022-03-29
申请号：CN202110079412.9
申请日：2021-01-21
申请人： 西南科技大学 , 绵阳市产品质量监督检验所
IPC分类号： G01R31/387 , G01R31/382 , G01R31/367
摘要： 本发明公开了一种无人机锂离子电池峰值功率自适应估算方法，属于新能源测控的技术领域，通过建立锂离子电池等效模型并对模型进行在线参数辨识，通过等效电路模型对锂离子电池的工作状态进行表征，利用等效电路模型对锂离子电池开路电压与其他模型参数在线估算，采用的递推计算方式通过自适应扩展卡尔曼算法对锂离子电池的SOC与模型极化电压进行估算，通过估算得到的状态参数及所需要的预测时间递推计算出一段时间内能持续达到的峰值功率，以达到克服现有锂离子电池及电池组峰值功率估算方法的不足，解决锂离子电池应用中峰值功率精确估算问题的目的。
-
公开(公告)号：CN108365638B
公开(公告)日：2023-06-16
申请号：CN201810420923.0
申请日：2018-05-04
申请人： 西南科技大学
摘要： 本发明公开了一种基于无线传感器网络的能源微网分布式功率控制系统，包括下层能量传输网络和上层无线传感器通讯网络；所述下层能量传输网络包括负载和分布式电源，所述可控节点则用于收集其所对应的可控分布式电源和负载的功率及负荷等信息、接受周围的可控或半可控节点传递的信息，并根据收集到的信息对系统整体进行输出功率和负载平衡的协调控制。本发明在保证控制系统稳定性运行的情况下通过引入无线传感器网络，以光伏发电、风力发电和电池储能装置为主要受控对象，并搭建基于无线传感器网络的能源微网分布式控制系统，使其适用于任意拓扑结构，并具备高灵活性和可拓展性。
-
公开(公告)号：CN114400016A
公开(公告)日：2022-04-26
申请号：CN202210069065.6
申请日：2022-01-21
申请人： 西南科技大学
IPC分类号： G10L21/0208 , G10L21/0216 , G10L21/0308 , G10L25/06
摘要： 本发明公开了一种基于自适应解相关和变步长成比例M估计的回声消除方法，包括以下步骤：A、信号获取；B、根据语音信号采样和期望信号采样结果，计算解相关系数向量C、计算解相关后的输入向量xD(n)和解相关后的期望信号dD(n)；D、计算自适应滤波器的输出y(n)和解相关后的自适应滤波器输出yD(n)；E、计算误差信号e(n)及解相关后的误差信号eD(n)；F、计算成比例矩阵G(n)；G、计算M估计中用于迭代的稳健解相关后的误差信号H、计算步长参数μ(n)；I、更新自适应滤波器的抽头权向量，并进入下一时刻的处理。本发明对冲击噪声有好的鲁棒性外，还具有收敛速度快、稳态误差好的优点。
-
公开(公告)号：CN112964997A
公开(公告)日：2021-06-15
申请号：CN202110079412.9
申请日：2021-01-21
申请人： 西南科技大学 , 绵阳市产品质量监督检验所
IPC分类号： G01R31/387 , G01R31/382 , G01R31/367
摘要： 本发明公开了一种无人机锂离子电池峰值功率自适应估算方法，属于新能源测控的技术领域，通过建立锂离子电池等效模型并对模型进行在线参数辨识，通过等效电路模型对锂离子电池的工作状态进行表征，利用等效电路模型对锂离子电池开路电压与其他模型参数在线估算，采用的递推计算方式通过自适应扩展卡尔曼算法对锂离子电池的SOC与模型极化电压进行估算，通过估算得到的状态参数及所需要的预测时间递推计算出一段时间内能持续达到的峰值功率，以达到克服现有锂离子电池及电池组峰值功率估算方法的不足，解决锂离子电池应用中峰值功率精确估算问题的目的。
-
公开(公告)号：CN112649733A
公开(公告)日：2021-04-13
申请号：CN201910956272.1
申请日：2019-10-10
申请人： 西南科技大学
IPC分类号： G01R31/367 , G01R31/388 , G06F30/367
摘要： 本发明涉及一种平方根无迹卡尔曼的SOC估算方法，其特征在于，通过在无迹卡尔曼滤波算法中利用状态变量的误差协方差的平方根替代状态变量的误差协方差，实现了对锂离子电池组SOC值的高效迭代计算，克服SOC初值误差和安时积分存在的累积误差；针对卡尔曼忽略高阶项，平方根无迹卡尔曼没有忽略高阶项，对电池工作过程中呈现出的非线性问题应对性较好；建立Thevenin等效电路模型在一定程度上弥补了内阻模型无法表征锂电池动态特性的缺点，并加入RC回来表征电池内部的极化效应，对电池具有更好的表征效果；该方法基于等效模型电路，改进以卡尔曼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：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
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。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.042 秒)
