System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于新能源汽车电池管理领域,特别是涉及一种软包锂离子电池soc和soh联合估计方法。
技术介绍
1、新能源汽车的发展引发了一系列需求,更高能量密度、更快充电速度和更长使用寿命的电池技术是其中的关键需求。电池状态评估对于有效管理、优化和维护电池系统至关重要,通过监测和评估soc和soh,可以帮助延长电池的寿命,提高系统的效率,降低维护成本,同时确保电池系统的安全运行。因此,精确的电池soc和soh状态估计对于提高新能源汽车的续航里程和可靠性具有重要意义。
2、然而,电池soc和soh估计是一个复杂的任务,受到多种因素的影响,包括电池类型、环境温度、充放电速率、循环次数和使用条件等。目前报道的锂离子电池状态评估主要通过监测电池的电压、电流、温度等参数,开发相应的评估方法,如卡尔曼滤波、粒子滤波、神经网络等。然而实际运行时,软包锂离子电池在充放电过程中会发生膨胀或变形,由此产生的应力波动会影响电池实际可用容量,进而导致锂离子电池soc和soh状态估计结果与真实值持续存在偏离。此外,soc与soh之间的存在很强的相关性,当电池受老化因素影响容量衰退时,不考虑电池soh而直接进行soc估计很难保证计算结果的准确性,最终威胁电池的安全性,缩短使用寿命。
技术实现思路
1、本专利技术的目的是提供一种软包锂离子电池soc和soh联合估计方法,以解决上述现有技术存在的问题。
2、为实现上述目的,本专利技术提供了一种软包锂离子电池soc和soh联合估计方法,包括:
...【技术保护点】
1.一种软包锂离子电池SOC和SOH联合估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,基于所述长循环实验获取电池运行参数构建SOH估计输入数据集和SOC估计输入数据集的过程包括:
3.根据权利要求2所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,所述机电健康特征因子包括充电阶段中值电压、恒流充电比以及应力最大值和最小值;
4.根据权利要求1所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,所述支持向量回归方法的表达式为:
5.根据权利要求1所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,通过所述长短时记忆网络和所述当前循环阶段的电池SOH对所述SOC估计输入数据集进行联合计算的过程包括:
6.根据权利要求5所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,所述生成修正后的电池容量的表达式为:
7.根据权利要求5所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,所述生成特定循环圈数内每圈放
8.根据权利要求5所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,所述长短时记忆网络的表达式为:
9.根据权利要求1所述的软包锂离子电池SOC和SOH联合估计方法,其特征在于,通过所述长短时记忆网络构建特定循环圈数内每圈放电阶段的SOCs和所述SOC估计输入数据集的映射关系的过程包括:
...【技术特征摘要】
1.一种软包锂离子电池soc和soh联合估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的软包锂离子电池soc和soh联合估计方法,其特征在于,基于所述长循环实验获取电池运行参数构建soh估计输入数据集和soc估计输入数据集的过程包括:
3.根据权利要求2所述的软包锂离子电池soc和soh联合估计方法,其特征在于,所述机电健康特征因子包括充电阶段中值电压、恒流充电比以及应力最大值和最小值;
4.根据权利要求1所述的软包锂离子电池soc和soh联合估计方法,其特征在于,所述支持向量回归方法的表达式为:
5.根据权利要求1所述的软包锂离子电池soc和soh联合估计方法,其特征在于,通过所述长短时记忆网络和所述当...
【专利技术属性】
技术研发人员:龚莉莉,谈鹏,丁俊杰,孙凯,李雪妍,杨昊松,贺兴民,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。