买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119314593B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411314243.2，技术领域涉及：G16C20/70；该发明授权一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法及系统是由徐少春;吕超;包晗;白淼;申东旭;张雨萌;崔慧阳;高智博;陈知言;欧阳子芯设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法及系统在说明书摘要公布了：本发明公开了一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法及系统，方法包括以下步骤：结合电池SP+热耦合模型，建立基于参数修正的宽倍率简化电化学模型；基于所述宽倍率简化电化学模型，构建基于EKF的负极过电势估计框架；基于所述负极过电势估计框架，对负极过电势进行闭环修正，完成对锂离子电池析锂诊断。

本发明授权一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法及系统在权利要求书中公布了：1.一种基于电化学模型和卡尔曼滤波在线估计负极过电势的锂离子电池析锂诊断方法，其特征在于，包括以下步骤： 结合电池SP+热耦合模型，建立基于参数修正的宽倍率简化电化学模型； 基于所述宽倍率简化电化学模型，构建基于EKF的负极过电势估计框架； 基于所述负极过电势估计框架，对负极过电势进行闭环修正，完成对锂离子电池析锂诊断； 构建基于EKF的负极过电势估计框架的方法包括： 通过宽倍率简化电化学模型计算负极过电势； 基于EKF算法，构建以负极过电势为状态变量、电池端电压为观测值的闭环滤波框架； 通过宽倍率简化电化学模型计算负极过电势的方法包括： 其中，ηn为负极固液相交界面处的反应极化过电势；R为理想气体常数；T为温度；F为法拉第常数；为负极总容量；c0初始锂离子浓度；Pact为反应极化系数；为电流，为负极表面嵌锂量； 基于所述负极过电势估计框架，对负极过电势进行闭环修正，完成对锂离子电池析锂诊断的方法包括： 利用k-1时刻的状态变量及输入变量，通过状态方程f·计算k时刻的系统状态先验估计值； 基于所述系统状态先验估计值，进行误差协方差矩阵预估值更新； 基于更新后的误差协方差矩阵预估值，进行卡尔曼增益计算； 基于计算的卡尔曼增益，进行观测误差评估； 基于评估的观测误差，进行系统状态修正，得到后验估计值； 基于所述后验估计值，进行状态变量的协方差矩阵修正； 其中，状态方程f·的表达式如下： 其中，为第k时刻的状态变量先验值，为第k时刻的电池电流，为第k时刻的 负极过电势与第k-1时刻的负极过电势的差值； 基于所述系统状态先验估计值，进行误差协方差矩阵预估值更新的方法为： 其中，Pk|k-1为k时刻的状态变量的协方差矩阵先验估计值，Qk为k时刻的过程噪声协方差矩阵，Ak为状态转移矩阵退化成的状态转移系数，为负极过电势； 基于更新后的误差协方差矩阵预估值，进行卡尔曼增益计算的方法为： 其中，Kk、Rk为k时刻的卡尔曼增益矩阵与观测噪声协方差矩阵，Ck为观测转移矩阵退化成的观测转移系数； 基于计算的卡尔曼增益，进行观测误差评估的方法为： 其中，g·为观测方程，为第k时刻的观测误差，为第k时刻的电压测量值，为 第k时刻的正极固液相交界面处的反应极化过电势，为第k时刻的正极在某个嵌锂浓度 下的电势，为第k时刻的浓差极化过电势，RSEI,nI为SEI膜电阻RSEI,n引起的电压降，Rohm 为欧姆极化内阻，I为电流； 基于评估的观测误差，进行系统状态修正，得到后验估计值的方法如下： 其中，为状态估计后验值； 基于所述后验估计值，进行状态变量的协方差矩阵修正的方法为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。