一种多时间尺度的方形锂电池SOC和SOT联合估计方法

    公开(公告)号:CN110954831B

    公开(公告)日:2021-10-26

    申请号:CN201911244066.4

    申请日:2019-12-06

    IPC分类号: G01R31/367

    摘要: 本发明涉及一种多时间尺度的方形锂电池SOC和SOT联合估计方法,属于电池管理技术领域。该方法是基于一种面向控制的方形锂电池电‑热耦合模型并结合先进的多时间尺度估计算法实现的。通过实验提前确定电模型中的产热相关参数,在线参数辨识获取电模型的其他参数,然后结合观测器实现当前时刻的SOC估计。根据前一时刻的SOC和温度值,确定电池各离散体积单元的产热率,获取当前时刻的温度分布。然后利用当前温度、SOC值更新电模型参数,确定离散体积单元的产热率,如此迭代更新SOC和SOT值。该方法能够很好地权衡估计精度和计算资源利用情况,实现不同时间尺度下强鲁棒、高容错、准确高效的锂电池电热特性监测。

    一种考虑电池充放电工况的多变量融合电池组的均衡方法

    公开(公告)号:CN111762059A

    公开(公告)日:2020-10-13

    申请号:CN202010719239.X

    申请日:2020-07-23

    IPC分类号: B60L58/12 H02J7/00 H01M10/44

    摘要: 本发明涉及一种考虑电池充放电工况的多变量融合电池组的均衡方法,属于电池管理技术领域。该方法包括:S1:根据获得的电池试验数据,辨识电池参数并建立电池和均衡器的耦合模型;S2:将SOC区间和工况区间划分为不同的SOC段和工况段,并建立一种在线识别电池充放电倍率的方法,选择针对不同段的均衡变量融合方法;S3:建立模型预测控制的目标函数,实现电池组的充放电能量最大;S4:以电池和均衡器的耦合模型为预测模型,实现基于模型预测控制的均衡策略。本发明方法解决了变量噪声和变量选择对均衡效果的影响问题,便捷地提高了电池组一致性,实现电池组性能最大化。

    基于不一致性评估的电池组SOH和RUL预测方法及系统

    公开(公告)号:CN111007417A

    公开(公告)日:2020-04-14

    申请号:CN201911245131.5

    申请日:2019-12-06

    摘要: 本发明涉及基于不一致性评估的电池组SOH和RUL预测方法及系统,属于电池管理技术领域。该方法包括步骤:选定待测串联电池组,收集整理该串联电池组的技术参数;进行多段变电流工况充电和恒电流放电的循环老化工况,并收据单体电压,电池组电压以及电流等数据,建立电池组老化数据库。判断局部充电阶段,基于电压变化节点提取多个特征参量。基于提取的特征参量评估电池组不一致性,进行多输入双输出的数据驱动回归模型训练。利用测试集数据进行电池组不一致性大小评估及运用训练得到的回归模型进行电池组SOH及RUL的在线预测。本发明在评估电池组不一致性大小的基础上,进行电池组状态和寿命的预测,并适应实际使用中不完整充放电状况。

    一种考虑电池充放电工况的多变量融合电池组的均衡方法

    公开(公告)号:CN111762059B

    公开(公告)日:2022-08-26

    申请号:CN202010719239.X

    申请日:2020-07-23

    IPC分类号: B60L58/12 H02J7/00 H01M10/44

    摘要: 本发明涉及一种考虑电池充放电工况的多变量融合电池组的均衡方法,属于电池管理技术领域。该方法包括:S1:根据获得的电池试验数据,辨识电池参数并建立电池和均衡器的耦合模型;S2:将SOC区间和工况区间划分为不同的SOC段和工况段,并建立一种在线识别电池充放电倍率的方法,选择针对不同段的均衡变量融合方法;S3:建立模型预测控制的目标函数,实现电池组的充放电能量最大;S4:以电池和均衡器的耦合模型为预测模型,实现基于模型预测控制的均衡策略。本发明方法解决了变量噪声和变量选择对均衡效果的影响问题,便捷地提高了电池组一致性,实现电池组性能最大化。

    一种多时间尺度的方形锂电池SOC和SOT联合估计方法

    公开(公告)号:CN110954831A

    公开(公告)日:2020-04-03

    申请号:CN201911244066.4

    申请日:2019-12-06

    IPC分类号: G01R31/367

    摘要: 本发明涉及一种多时间尺度的方形锂电池SOC和SOT联合估计方法,属于电池管理技术领域。该方法是基于一种面向控制的方形锂电池电-热耦合模型并结合先进的多时间尺度估计算法实现的。通过实验提前确定电模型中的产热相关参数,在线参数辨识获取电模型的其他参数,然后结合观测器实现当前时刻的SOC估计。根据前一时刻的SOC和温度值,确定电池各离散体积单元的产热率,获取当前时刻的温度分布。然后利用当前温度、SOC值更新电模型参数,确定离散体积单元的产热率,如此迭代更新SOC和SOT值。该方法能够很好地权衡估计精度和计算资源利用情况,实现不同时间尺度下强鲁棒、高容错、准确高效的锂电池电热特性监测。

    一种面向控制的锂电池热模型建立方法

    公开(公告)号:CN111143974B

    公开(公告)日:2022-08-12

    申请号:CN201911244062.6

    申请日:2019-12-06

    摘要: 本发明涉及一种面向控制的锂电池热模型建立方法,属于电池管理技术领域。该方法包括以下步骤:S1:基于谱‑伽辽金法分别针对圆柱形和方形锂电池的二阶偏微分导热方程进行降阶,建立圆柱形和方形锂电池的面向控制的热模型;S2:选择一款圆柱形和方形锂电池,对其进行动态工况测试,建立该电池的动态工况数据集;S3:选择一组典型的动态工况数据,基于最优参数辨识算法离线辨识锂电池热模型的未知参数;S4:采用动态工况数据集中的其他工况数据,验证该热模型的模型精度和工况适应性。与现有技术相比,该建模技术具有不受电池几何形状限制,建立的热模型计算高效且全局最优,并能够提取电池内部细致的温度信息等优点。

    一种面向控制的锂电池热模型建立方法

    公开(公告)号:CN111143974A

    公开(公告)日:2020-05-12

    申请号:CN201911244062.6

    申请日:2019-12-06

    摘要: 本发明涉及一种面向控制的锂电池热模型建立方法,属于电池管理技术领域。该方法包括以下步骤:S1:基于谱-伽辽金法分别针对圆柱形和方形锂电池的二阶偏微分导热方程进行降阶,建立圆柱形和方形锂电池的面向控制的热模型;S2:选择一款圆柱形和方形锂电池,对其进行动态工况测试,建立该电池的动态工况数据集;S3:选择一组典型的动态工况数据,基于最优参数辨识算法离线辨识锂电池热模型的未知参数;S4:采用动态工况数据集中的其他工况数据,验证该热模型的模型精度和工况适应性。与现有技术相比,该建模技术具有不受电池几何形状限制,建立的热模型计算高效且全局最优,并能够提取电池内部细致的温度信息等优点。

    一种信号灯场景下的智能网联新能源汽车经济性驾驶方法

    公开(公告)号:CN118953323A

    公开(公告)日:2024-11-15

    申请号:CN202411038912.8

    申请日:2024-07-31

    申请人: 重庆大学

    摘要: 本发明涉及一种信号灯场景下的智能网联新能源汽车经济性驾驶方法,属于新能源汽车领域,其包括以下步骤:构建基于时间图卷积网络的交通流预测模型,通过获取的历史交通流速度信息预测未来时刻交通流速度vpre(t);获取信号灯相位配时信息,参考预测的未来时刻交通流速度vpre(t),在云端规划全局引导车速vg(t);构建基于模型预测控制的经济性驾驶巡航控制器,参考全局引导车速vg(t),实时跟踪前车车速,求解上层目标车速vupper(t)与车辆的总需求功率Pd(t);开发下层能量管理策略,构建车辆动力总成模型,使用等效燃油最小消耗策略计算最佳功率分配。本发明在巡航控制优化问题中,加入全局车速引导与信号灯约束,有效结合全局速度规划与跟车巡航控制,能够显著提升车辆的经济性与舒适性。

    基于交通信息与深度强化学习的混合动力汽车能量管理方法

    公开(公告)号:CN114475569B

    公开(公告)日:2024-10-22

    申请号:CN202210305934.0

    申请日:2022-03-25

    申请人: 重庆大学

    IPC分类号: B60W20/15 B60W30/18

    摘要: 本发明涉及一种基于交通信息与深度强化学习的混合动力汽车能量管理方法,属于新能源汽车控制领域。该方法包括:S1:获取历史交通数据与实时道路交通信息;S2:考虑安全性与舒适性,采用深度强化学习算法规划自车实时最优车速;S3:采用深度强化学习算法求解混合动力汽车能量管理问题,以及求解包含燃油消耗与电池SOC维持的多目标优化问题。本发明结合交通信息,运用深度强化学习对混合动力汽车进行速度规划与能量管理,具有良好的实时性与最优性,实现了对驾驶安全性、舒适性与燃油经济性的优化,为混合动力汽车能量管理提供了新思路。