-
公开(公告)号：CN117930044A
公开(公告)日：2024-04-26
申请号：CN202410078503.4
申请日：2024-01-19
Applicant: 雅安市卓安新能源科技发展有限责任公司 , 西南交通大学
IPC: G01R31/385 , G01R31/387 , G01R31/367
Abstract: 本发明公开了一种串联锂电池组的SOP估计方法，包括以下步骤：步骤1：获取电池组内各单体的电流电压数据，对单体电池模型进行参数辨识；步骤2：选择开路电压最高、开路电压最低和欧姆内阻最大的单体电池作为特征电池；步骤3：对步骤2得到的特征电池的SOC进行估计，得到电池容量的估计值；步骤4：根据步骤2得到的特征电池的SOC估计值，基于多参数联合约束进行电池组的SOP估计得到SOP的估计值；本发明选择具有代表性的电池对电池组的SOP进行估计，能在降低算法时间复杂度的同时保证估计精度；根据开路电压选择具有代表性的特征电池，仿真结果证实具有可行性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117807942A
公开(公告)日：2024-04-02
申请号：CN202311828453.9
申请日：2023-12-27
Applicant: 雅安市卓安新能源科技发展有限责任公司 , 西南交通大学
IPC: G06F30/367 , G01R31/367 , G01R31/385 , G01R31/387 , G01R31/392 , G06F119/02
Abstract: 本发明公开了一种两阶段电池模型参数辨识方法，包括以下步骤：S1、基于电池n阶RC等效电路模型和采样电流，得到带噪声的开路电压序列，即OCVN序列；S2、建立OCVN与真实SOC之间的映射关系；S3、采用n阶多项式将OCVN‑SOC映射点进行拟合，并计算拟合误差函数；S4、得到最终的电池模型参数。本发明提出的两阶段电池模型参数辨识方法避免了对OCV‑SOC曲线已知和特定工况的依赖，参数辨识难度低，不易陷入局部最优。同时本发明有助于全生命周期下的电池参数更新与健康状态估计。
-
公开(公告)号：CN116298933A
公开(公告)日：2023-06-23
申请号：CN202310561919.7
申请日：2023-05-18
Applicant: 西南交通大学 , 雅安市卓安新能源科技发展有限责任公司
IPC: G01R31/367 , G01R31/396
Abstract: 本发明涉及电池状态估计技术领域，公开了一种串联电池组的SOC估计方法，包括以下步骤：步骤1：获取电池老化数据，构建基于SVR的容量估计模型；步骤2：获取电池组充电数据，基于聚类算法构建均值‑差异模型；步骤3：采用步骤1的模型更新每一簇电池的容量，基于HIF‑AEKF完成对每一簇电池的SOC估计；步骤4：基于各簇电池的SOC估计值，完成对串联电池组的SOC估计；本发明基于聚类算法建立了电池组模型，在保证模型精度的同时极大地降低了模型复杂度，减少了后续状态估计算法的计算量；结合了HIF和AEKF算法的优点，能够快速实现对电池组中每个单体SOC的最优估计。
-
公开(公告)号：CN116298933B
公开(公告)日：2023-08-08
申请号：CN202310561919.7
申请日：2023-05-18
Applicant: 西南交通大学 , 雅安市卓安新能源科技发展有限责任公司
IPC: G01R31/367 , G01R31/396
Abstract: 本发明涉及电池状态估计技术领域，公开了一种串联电池组的SOC估计方法，包括以下步骤：步骤1：获取电池老化数据，构建基于SVR的容量估计模型；步骤2：获取电池组充电数据，基于聚类算法构建均值‑差异模型；步骤3：采用步骤1的模型更新每一簇电池的容量，基于HIF‑AEKF完成对每一簇电池的SOC估计；步骤4：基于各簇电池的SOC估计值，完成对串联电池组的SOC估计；本发明基于聚类算法建立了电池组模型，在保证模型精度的同时极大地降低了模型复杂度，减少了后续状态估计算法的计算量；结合了HIF和AEKF算法的优点，能够快速实现对电池组中每个单体SOC的最优估计。
-
公开(公告)号：CN117807942B
公开(公告)日：2024-09-17
申请号：CN202311828453.9
申请日：2023-12-27
Applicant: 雅安市卓安新能源科技发展有限责任公司 , 西南交通大学
IPC: G06F30/367 , G01R31/367 , G01R31/385 , G01R31/387 , G01R31/392 , G06F119/02
Abstract: 本发明公开了一种两阶段电池模型参数辨识方法，包括以下步骤：S1、基于电池n阶RC等效电路模型和采样电流，得到带噪声的开路电压序列，即OCVN序列；S2、建立OCVN与真实SOC之间的映射关系；S3、采用n阶多项式将OCVN‑SOC映射点进行拟合，并计算拟合误差函数；S4、得到最终的电池模型参数。本发明提出的两阶段电池模型参数辨识方法避免了对OCV‑SOC曲线已知和特定工况的依赖，参数辨识难度低，不易陷入局部最优。同时本发明有助于全生命周期下的电池参数更新与健康状态估计。
-
公开(公告)号：CN114897265A
公开(公告)日：2022-08-12
申请号：CN202210647731.X
申请日：2022-06-09
Applicant: 四川领安智慧科技有限责任公司 , 西南交通大学
Abstract: 本发明公开了考虑多因素的储能选址定容优化方法、系统、终端及介质，涉及电力系统技术领域，其技术方案要点是：根据电力系统中年度运行的最大负荷和额定容量得到电力系统各节点的负载率，并分析电力系统各节点的负载率对供电区域供电保障性的影响，得到风险电量；依据各地区的经济产值数据对风险电量所对应的产值进行分析，得到风险产值；将风险产值以及各区域的储能配置总量输入预构建的储能选址定容模型进行优化分析，得到电力系统各节点的储能功率和储能容量。本发明同时考虑了地区经济发展和电力系统削峰填谷改善两种因素，不仅对电力系统有改善和支撑效果，还能统筹考虑储能对当地居民、工商业用户的用电支撑。
-
-
-
-
-
Search Results
6
records
(took 0.054 seconds)
