专利交易市场

本发明公开锂电池状态估计方法，根据电容的阻抗特性在实际电路中往往具有分数的特性，结合二阶电路的基尔霍夫定律，推导出分数阶电池模型的状态空间方程并建立了分数阶的锂电池电气模型；在分数阶电气模型的基础上，针对传统遗传算法进行改进，提出了分数阶双层自适应遗传算法，提升了算法的全局搜索能力和搜索效率，对分数阶模型参数进行辨识，并将辨识结果实时反馈到分数阶电气模型；采用一种基于施密特正交变换的无迹卡尔曼粒子滤波算法，对分数阶电气模型进行状态估计，减少了计算量并提高了状态估计精度。本发明提高了电池模型的精度，具有很好的鲁棒性，所提出的状态估计策略精度相比于常规控制策略具有更高的精度。

本发明公开了基于单体电池容量差异极值的串联电池组SOC估算方法，具体步骤：首先设定计算周期并计算电池组中所有单体电池的SOC值并存储所需要的SOC数据；然后，在充电过程中利用特殊电池cellupper的SOC值计算电池组的SOC值，两两比较基于SOC表征的单体电池的剩余容量，寻找特殊电池celllower并存储电池编号；在放电过程中利用特殊电池celllower的SOC值计算电池组的SOC值，两两比较基于SOC表征的单体电池的可充容量，寻找特殊电池cellupper并存储电池编号；最后存储所需要的电池组SOC数据；本发明在减轻电池管理系统计算工作量的同时保证了电池组SOC估算的连续性和平滑性。

本发明涉及一种基于双模型的锂离子电池组电压异常故障诊断方法，属于电池安全技术领域，包括步骤1：收集电池充放电数据，包括电流、电压、温度和SOC；步骤2：建立二阶等效电路模型，用最小二乘法辨识模型参数，得到不同温度和SOC下模型各参数；步骤3：建立LSTM和Dense模型，用收集的正常的锂电池运行数据训练网络模型；步骤4：LSTM预测得到的SOC分别用于二阶等效电路模型和Dense模型输出端电压，然后结合联合两个模型输出的端电压得到一个比之前更精确的端电压；步骤5：模型端电压与实际运行的端电压生成残差，用CUSUM评价残差，若超过阈值则认为发生了故障。

本发明提供了一种基于IDE‑ASRCKF的锂离子电池参数辨识与SOC估计方法，属于锂离子电池技术领域，其技术方案为：包括以下步骤：步骤1)通过间歇恒流放电测取电池的负载电流和端电压数据，确定OCV‑SOC关系；步骤2)建立锂离子电池的二阶RC模型；步骤3)构建IDE算法的辨识流程，对电池模型参数进行辨识；步骤4)构建ASRCKF算法的估计流程；步骤5)利用IDE算法确定锂电池模型中的各个参数，并利用ASRCKF对电池SOC进行估计。本发明的有益效果为：本发明提高了算法的收敛速度与精度；利用辨识得到的参数结果结合ASRCKF算法进行SOC估计，精度高、鲁棒性好，效果优于CKF。

本发明提供了一种基于3DCNN的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了SOC估计方法中3DCNN卷积神经网络难以用于SOC估计的问题。其技术方案为：该方法包括以下步骤：步骤1）通过放电实验，反复测取电流等数据；步骤2）数据预处理并构建数据集；步骤3）通过3DCNN卷积神经网络对数据集进行训练，得到3DCNN模型用于实时估计。本发明的有益效果为：本发明使用的卷积神经网络结构能够发掘相邻放电周期之间同一时间点上输入数据的联系，时间维度上的卷积核不仅能考虑循环次数，还能提取各个循环之间的特征关系，且凭借其高适应能力，还可以进行电池剩余容量、电池剩余寿命等电池各个参数的预测。

本发明提供一种电动汽车动力锂电池soc估算方法、系统，其中，方法包括：获取电动汽车的动力锂电池的soc显示值；预测所述动力锂电池的老化状态值；基于所述老化状态值、预设的修正系数库，确定修正系数；基于所述修正系数、所述soc显示值，确定soc最终值。本发明的电动汽车动力锂电池soc估算方法、系统，预测电动汽车的动力锂电池的老化状态值，引入修正系数库，基于老化状态值、修正系数库确定修正系数，利用修正系数对动力锂电池的soc显示值进行修正，获得soc最终值，将动力锂电池的老化因素纳入soc估算中，提升了动力锂电池soc估算的精准性。

本发明公开了一种基于误差校正的锂电池SOC和SOH联合估计方法及系统，首先利用KD树对锂电池充放电数据进行缺失值填补，建立第一数据集；然后建立锂电池SOC估计模型，进行SOC估计，得到SOC估计值；利用OSELM模型对SOC估计值进行误差校正，得到最终SOC估计值；将所述最终SOC估计值与锂电池充放电数据组成第二数据集，建立锂电池SOH估计模型，采用改进的算数优化算法优化模型超参数，进行SOH估计，得到最终SOH估计值。本发明结合误差校正的思想，使锂电池荷电状态估计结果更为精准，并考虑到锂电池荷电状态与健康状态之间的紧密联系关系，对锂电池SOC和SOH进行联合估计，与现有技术相比，本发明能够有效提高计算精度，使得估计更为准确。

本发明公开了一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，属于动力电池技术领域，包括如下步骤：利用复合模型方法结合安时法设计动力电池的状态和观测方程，确定车载电池的模型方程，建立电池等效模型；进行模型参数辩识，递推最小二乘法辨识电池模型观测试方程的相关参数，系统输入量为持续激励，辩识迭代次数使最终结果收敛并趋于稳定；采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计。本发明将测量误差模型修正为归一化受污染正态分布模型，结合贝叶斯定理计算野值出现的后验概率作为加权系数自适应调整测量预测相关方差及增益阵，能够有效克服野值干扰的问题。