一种基于电-热-神经网络耦合模型的动力电池SOC和SOT联合状态估计方法

    公开(公告)号:CN110703114B

    公开(公告)日:2022-03-11

    申请号:CN201911031589.0

    申请日:2019-10-28

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于电‑热‑神经网络耦合模型的动力电池SOC和SOT联合状态估计方法,属于电池管理领域。该方法包括:S1选定待测动力电池,搜集整理相关技术参数,建立该动力电池时域内连续的ETSM模型,并确定模型输入输出参数;S2在不同温度下模拟两个城市驾驶循环工况和两个公路驾驶循环工况,采集电池状态数据;S3对ETSM模型进行参数辨识,得到电‑热子模型的特性参数;S4利用参数化的ETSM模型生成训练数据库,进行神经网络训练,建立ETNN模型,对端电压Vsp与核心温度Tc进行估计;S5采用UKF对电池SOC和SOT进行联合估计。本发明能够在极端温度和大电流条件下,对动力电池进行状态有效估计。

    面向电池模组的模型参数在线辨识与多状态在线监测方法及装置

    公开(公告)号:CN118795352A

    公开(公告)日:2024-10-18

    申请号:CN202410942988.7

    申请日:2024-07-15

    Applicant: 重庆大学

    Abstract: 本发明涉及一种面向电池模组的模型参数在线辨识与多状态在线监测方法及装置,属于锂离子电池管理领域,包括S1:建立模组电热耦合模型;进行电模型参数化,建立电参数与温度变量间的函数关系,进行热模型参数化,实验获取热参数;S2:基于模型合理性指标反馈改进自适应遗忘因子递推最小二乘算法,在线辨识电模型参数;S3:结合AEKF算法估计荷电状态;S4:结合KF算法在线估计模组内部电芯核心温度,并结合分形理论算法在线重构模组三维温度场;S5:基于实时估计的模组状态信息,考虑模组最大允许电流、各并联模块的电压、各并联模块的SOC和内部中心电芯的核心温度约束,实现瞬时或连续充放电峰值功率实时估计。

    基于粒子群算法-遗传算法的不同健康状态下的锂电池热建模方法

    公开(公告)号:CN118759377A

    公开(公告)日:2024-10-11

    申请号:CN202411153019.X

    申请日:2024-08-21

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于粒子群算法‑遗传算法的不同健康状态下的锂电池热建模方法,属于电池热建模技术领域,包括以下步骤:S1:进行电池循环老化实验,制备不同健康状态的电池;S2:进行HPPC实验获取不同温度、电流、SOC、SOH下的电池内阻;S3:在不同的工况下进行电池放电实验,采集电池的绝热温升实验数据;S4:采用粒子群算法‑遗传算法进行熵热系数寻优,获得低温、常温以及高温三个温度区间的熵热系数模型;S5:基于步骤S2获得的内阻以及步骤S4获得的熵热系数,构建不同健康状态下的电池热模型。本发明精度高、效率高,并且可以深入理解不同健康状态下锂离子动力电池的热行为。

Patent Agency Ranking