公开(公告)号：CN113608126A

公开(公告)日：2021-11-05

申请号：CN202111047524.2

申请日：2021-09-07

Applicant: 南京邮电大学

Inventor： 江兵 ,  陈晨 ,  杨怡 ,  王烈跃 ,  仲美秋

IPC: G01R31/367 ,  G01R31/387 ,  G01R31/388

Abstract: 本发明公开了一种不同温度下的锂电池SOC在线预估方法，基于不同温度下对电路模型中各参数进行在线辨识，并把温度作为输入，通过差分选择算法对原扩展卡尔曼滤波算法中固定的过程噪声方差进行优化，使噪声方差根据环境的变化而自动做出调整，使用这个不断变化的方差代入到原扩展卡尔曼滤波算法中，完成循环工况下SOC的在线预估。本发明通过加入不同温度作为输入条件，使锂电池SOC偏差更小，同时消除了传统卡尔曼滤波算法没有考虑温度和噪声方差的误差，提高了SOC的估计精度。

公开(公告)号：CN115270934A

公开(公告)日：2022-11-01

申请号：CN202210817786.0

申请日：2022-07-12

Applicant: 南京邮电大学

Inventor： 江兵 ,  孙赵盟 ,  杨阳 ,  仲美秋 ,  王子博 ,  巢一帆

IPC: G06K9/62 ,  G06N20/00 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明提出了一种基于TimeGAN网络合成窃电样本的数据集平衡方法，从预处理后的不平衡窃电数据集中筛选部分窃电样本，使用特定方式转化为三维时间序列形式，使用这些三维数据训练出一个能够合成同样形式数据的TimeGAN网络。使用训练后的TimeGAN网络合成遵循训练数据整体分布的三维时间序列，将合成的三维时间序列转换回与窃电样本相同的形式，合并到预处理后的不平衡窃电数据集，扩充窃电样本的数量，得到平衡窃电数据集。相较于现有技术，本发明的方法中使用TimeGAN网络合成的窃电样本，遵循真实窃电样本的整体空间分布，而不是与真实窃电样本数值上贴近，这样生成的数据不易导致窃电检测模型过拟合与低泛化性。

公开(公告)号：CN113608126B

公开(公告)日：2023-11-21

申请号：CN202111047524.2

申请日：2021-09-07

Applicant: 南京邮电大学

Inventor： 江兵 ,  陈晨 ,  杨怡 ,  王烈跃 ,  仲美秋

IPC: G01R31/367 ,  G01R31/387 ,  G01R31/388

公开(公告)号：CN115327389A

公开(公告)日：2022-11-11

申请号：CN202211054450.X

申请日：2022-08-31

Applicant: 南京邮电大学

Inventor： 江兵 ,  杨怡 ,  仲美秋 ,  杨阳 ,  王子博 ,  巢一帆

IPC: G01R31/367 ,  G01R31/387 ,  G01R31/388 ,  G06F17/11 ,  G06F30/27 ,  G06N3/12 ,  H03H17/02

Abstract: 本发明公开了基于遗传算法改进的双卡尔曼滤波的锂电池SOC估计方法，包括：建立锂电池等效电路模型和动态系统方程；进行锂电池的OCV测试，将测试数据进行拟合得到开路电压与SOC的关系曲线；利用遗传算法对锂电池等效电路模型中参数辨识过程进行优化，得到最优辨识参数；根据锂电池等效电路模型建立双卡尔曼滤波器离散非线性系统方程，利用最优辨识参数以及锂电池的端电压、电流进行双卡尔曼滤波器迭代。本发明的锂电池SOC估计方法用实数编码遗传算法辨识得到最优化模型参数，最优化模型的电压输出特性与电池的实际电压输出特性基本吻合，具有较高的辨识精度，再将辨识后的参数代入双卡尔曼滤波进行SOC预测，大大提高了估计模型的准确性。