-
公开(公告)号：CN114330226A
公开(公告)日：2022-04-12
申请号：CN202111679217.6
申请日：2021-12-31
Inventor： 齐小伟 , 陈秀海 , 李昕 , 李永勋 , 陈庆来 , 邹乐 , 李锦川 , 彭博 , 刘帅 , 陈佳博 , 李瀛澜 , 陈一凡 , 蒋杰 , 慈松 , 王运方 , 周杨林 , 陈悦 , 王子毅 , 陈爱琢
IPC: G06F30/398 , G06F30/27 , H02J7/00 , G06F119/04
Abstract: 本发明属于电池管理技术领域，具体公开了一种基于图论的电池管控方法、装置、设备及介质。包括以下步骤：S1、基于图论方法，对目标电池系统中各电池单元的连接关系及其能量路径特性进行数学抽象，建立电池模型；S2、根据电池模型，获取顶点集合和边集；顶点集合为每个具有独立控制功能的电池单元；边集为从同独立控制逻辑下构成的电池单元的连接关系，即初始电池单元到终端电池单元的能量路径；S3、根据顶点集合和边集，采用电池能量路径优化算法对边集中每条能量路径的权重进行计算，获得权重；S4、对权重中权重值进行排序，从而获得最优的能量路径。本发明通过采用图论方法将将电池系统视为一个能量路径网络同时实现了电池的安全高效使用。
-
公开(公告)号：CN114282853A
公开(公告)日：2022-04-05
申请号：CN202210200831.8
申请日：2022-03-03
Applicant: 清华大学
Abstract: 本申请实施例公开了一种前兆信息的排序方法和装置，该方法包括：识别可能造成安全事故的多个前兆信息；通过改进的云模型根据预设的评价指标对多个前兆信息进行评价获取第一评价结果；获取专家根据第一评价结果对评价指标的评价生成云决策矩阵；评价指标包括：概率、影响、预测性、紧急性和灵活性；通过组合赋权法对每个评价指标以及每个专家进行权重分配，获得第一权重和第二权重；使用TOPSIS算法根据云决策矩阵、第一权重和第二权重计算前兆信息与正理想云的相对贴近度；依据相对贴近度对多个前兆信息进行排序。通过该实施例方案，实现了有效、全面、客观地完成对前兆信息的评估。
-
公开(公告)号：CN114282852A
公开(公告)日：2022-04-05
申请号：CN202210200594.5
申请日：2022-03-03
Applicant: 清华大学
Abstract: 本申请实施例公开了一种电池安全性计算方法和装置，该方法包括：获取梯次利用电池的历史数据；对历史数据中涉及电池种类的第一部分数据进行电池种类安全评估并获取电池种类安全评估结果；对历史数据中涉及电池生产厂家的第二部分数据进行生产厂家安全评估并获取生产厂家安全评估结果；对历史数据中涉及电池安全使用的第三部分数据进行安全使用评估并获取安全使用评估结果；根据安全评估计算式对种类安全评估结果、生产厂家安全评估结果和安全使用评估结果进行计算获取每个所述梯次利用电池的最终安全评估结果。通过该实施例方案，实现了有效地评估梯次利用电池的安全性能，为更好地提升储能系统的安全性提供了技术基础。
-
公开(公告)号：CN113466704A
公开(公告)日：2021-10-01
申请号：CN202110742584.X
申请日：2021-06-30
IPC: G01R31/36
Abstract: 本申请公开了一种电池故障判断方法。其中，该方法包括：获取待测电池在对用电设备的供电过程中的第一剩余容量；确定第一剩余容量的第一变化情况；获取待测电池的类型，确定类型对应的基准电池；将第一变化情况与基准电池的第二变化情况进行比较，其中，第二变化情况为采集到的基准电池对用电设备供电过程中的第二剩余容量的变化情况；根据第一变化情况与第二变化情况确定待测电池是否发生故障。本申请解决了由于相关技术中在基于肉眼观察的方法或者基于电池的电压电流检测结果对电池的故障状态进行判断造成的判断结果不准确，且缺乏合理性的技术问题。
-
公开(公告)号：CN113452118A
公开(公告)日：2021-09-28
申请号：CN202110745536.6
申请日：2021-06-30
Abstract: 本申请公开了一种储能电路的控制方法。其中，该方法包括：获取负载电路的负载信息，其中，负载信息至少包括：负载电压以及负载电阻；根据负载电阻确定待启动的电池模组的目标数量；根据负载电压确定目标数量的电池模组的目标导通时间；控制目标数量的电池模组导通目标导通时间，以用于向负载电路进行供电。本申请解决了由于相关技术中ES系统储能电路的连接方式固定，不能根据负载消耗电能的大小对电池模组的工作时间以及所需要参与供电的电池模组的数量进行灵活调整造成的供电方式单一、浪费电池电能、适用性差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN112039216A
公开(公告)日：2020-12-04
申请号：CN202011018119.3
申请日：2020-09-24
Applicant: 清华大学
IPC: H02J13/00 , H02J7/00 , G01R31/396 , G01R31/385 , G01R31/36 , G01R31/00
Abstract: 本发明公开了一种电池梯次利用储能系统及其可重构装置和架构，其中，可重构装置包括：能量网卡背板，能量网卡背板对应多个电池模组设置，能量网卡背板用于将多个电池模组中每个电池模组独立接入或旁路；能量集线器，能量集线器用于对每个电池模组进行参数检测以获取每个电池模组的状态数据；能量交换机，能量交换机与能量集线器进行通讯连接，能量交换机用于根据每个电池模组的状态数据生成可重构控制指令，并将可重构控制指令发送给能量集线器，以通过能量集线器对能量网卡背板进行控制。由此，通过将多个电池模组进行接入或旁路切换，从而，对多个电池模组的能量网络拓扑进行动态重构，以实现电池模组间的结构兼容与电气兼容。
-
公开(公告)号：CN118444182B
公开(公告)日：2025-04-15
申请号：CN202410665758.0
申请日：2024-05-27
Applicant: 清华大学 , 广东电网有限责任公司电力科学研究院
IPC: G01R31/385 , G01R19/00 , G01R31/36
Abstract: 本申请涉及动力电池评估技术领域，特别涉及一种梯次利用储能系统的电压一致性评估方法及装置，其中，方法包括：获取动力电池模组的模组电压数据和模组电流数据，并对模组电压数据和模组电流数据进行筛选，以得到动力电池模组的稳态电压数据；计算稳态电压数据的标准差序列，并利用线性插值和滤波方法对标准差序列进行计算，得到标准差追随序列；将标准差追随序列向预设百分区间进行映射，以得到动力电池模组的最终一致性评估结果。由此，实现了以电池模组工作电压的标准差作为一致性评价指标，消除异常数据点和噪声的影响的同时，直观地反映出电池系统的一致性，最终实现大规模电池储能系统海量运行数据的评估。
-
公开(公告)号：CN114139706B
公开(公告)日：2025-02-11
申请号：CN202111015821.9
申请日：2021-08-31
IPC: G01R31/382 , G06N5/022 , G06N20/00 , G06F16/23 , G06F16/2455 , G06F16/2458 , G06F16/248 , G06F16/28
Abstract: 本申请公开了一种储能资源的评价系统。其中，该系统包括：采集模块，用于采集预设类型储能系统的日志信息，并对日志信息进行格式标准化处理，得到目标日志信息；存储模块，用于存储目标日志信息，其中，目标日志信息至少包括：预设类型储能系统的运行状态数据；量化分析模块，用于接收来自存储模块的目标日志信息，并根据目标日志信息确定预设类型储能系统中资源的潜在利用级别，其中，潜在利用级别用于指示资源的可使用的概率。本申请解决了由于相关技术员中大多采用电池组集成监测，定期人工检测对电池储能系统利用潜力进行评估造成的浪费大量的人力物力，无法准确衡量电池全生命周期的利用潜力的技术问题。
-
公开(公告)号：CN119362643A
公开(公告)日：2025-01-24
申请号：CN202411463574.2
申请日：2024-10-18
Applicant: 清华大学 , 国网浙江省电力有限公司电力科学研究院
IPC: H02J7/00
Abstract: 本发明公开一种动态可重构电池网络中电池模组充放电管理方法及系统，涉及储能电池技术领域，该方法包括：实时采集动态可重构电池网络在充放电过程中各并联的电池模组的运行数据；根据各电池模组的运行数据和所述动态可重构电池网络的功率因子确定所述动态可重构电池网络的充放电控制模式；所述充放电控制模式包括全选模式和非全选模式，所述全选模式为所述动态可重构电池网络中所有电池模组均参与充放电，所述非全选模式为选择所述动态可重构电池网络中部分电池模组参与充放电；所述功率因子为所述动态可重构电池网络的实际运行功率与额定功率的比值。本发明提高了充放电的安全性。
-
公开(公告)号：CN119298264A
公开(公告)日：2025-01-10
申请号：CN202411233809.9
申请日：2024-09-04
Applicant: 清华大学 , 广东电网有限责任公司电力科学研究院
Abstract: 本申请涉及动态可重构电池储能系统的容量均衡技术领域，特别涉及一种基于深度强化学习的动态可重构电池网络容量均衡方法，其中，方法包括：获取动态可重构电池网络在充放电过程中的至少一个电池单体和/或至少一个电池模组的荷电状态；将荷电状态输入至预先训练的深度强化学习模型中，以得到动态可重构电池网络的控制指令；响应于控制指令，重构动态可重构电池网络，以使得重构后的动态可重构电池网络的容量均衡能力满足预设容量均衡条件。由此，解决了相关技术中，动态可重构电池网络是一个高度复杂的非线性时变动态系统，随着电池单体数量的增加，其复杂度会极大增加，导致动态可重构电池网络无法精准控制，难以实现全局最优等问题。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.03 seconds)
