中国电力科学研究院有限公司;国家电网有限公司;国网天津市电力公司赵琦获国家专利权
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!
龙图腾网获悉中国电力科学研究院有限公司;国家电网有限公司;国网天津市电力公司申请的专利基于数字孪生的电池SOC预测方法、装置、设备及介质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:CN115128466B 。
龙图腾网通过国家知识产权局官网在2025-11-25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:202210384798.9,技术领域涉及:G01R31/367;该发明授权基于数字孪生的电池SOC预测方法、装置、设备及介质是由赵琦;王新迎;陈盛;闫冬;王天昊设计研发完成,并于2022-04-13向国家知识产权局提交的专利申请。
本基于数字孪生的电池SOC预测方法、装置、设备及介质在说明书摘要公布了:本发明属于数字孪生技术领域,公开一种基于数字孪生的电池SOC预测方法、装置、设备及介质;所述预测方法包括:采集电池的电流、电压和环境温度测量值;将所述电池的电流、电压测量值输入卡尔曼滤波器进行状态估计,获得卡尔曼滤波器状态估计值;将所述电池的电流测量值、电压测量值、环境温度测量值、卡尔曼滤波器状态估计值输入预先训练好的LTSM神经网络中,获得电池SOC预测值。本发明采用了数据驱动和物理机理融合的建模方法,提高了电池储能系统模型的准确度,提高了电池荷电状态SOC的预测精度,为电池储能系统的健康水平管理提供了数据支撑。
本发明授权基于数字孪生的电池SOC预测方法、装置、设备及介质在权利要求书中公布了:1.基于数字孪生的电池SOC预测方法,其特征在于,包括: 采集电池的电流、电压和环境温度测量值; 将所述电池的电流、电压和环境温度测量值输入卡尔曼滤波器进行状态估计,获得卡尔曼滤波器状态估计值; 将所述电池的电流测量值、电压测量值、环境温度测量值、卡尔曼滤波器状态估计值输入预先训练好的LSTM神经网络中,获得电池SOC预测值; 所述卡尔曼滤波器的状态方程由基于戴维南等效电路的电池动力学模型获得;所述基于戴维南等效电路的电池动力学模型为: 6 7 8 其中,I为电池输入电流,为端电压,表示与电池SOC有非线性关系的开路电压,为欧姆电阻,和为戴维南等效电路中两个RC电路的电阻和电容,分别为上的电压降; 所述LSTM神经网络的训练方法包括: 获取电池不同工况的历史老化数据,所述历史老化数据包括电流、电压和环境温度;将历史老化数据作为时间序列,输入卡尔曼滤波器,得到一组卡尔曼滤波器状态估计值; 将电池历史老化数据和卡尔曼滤波器状态估计值进行归一化处理;归一化后的电流、电压、环境温度数据和对应的卡尔曼滤波器状态估计值作为一组输入数据;获得若干组输入数据,将所述若干组输入数据分为训练集和测试集; 采用训练集对LSTM神经网络进行训练,获得预先训练好的LSTM神经网络; 所述将所述电池的电流、电压和环境温度测量值输入卡尔曼滤波器进行状态估计,获得卡尔曼滤波器状态估计值的步骤中,卡尔曼滤波器的状态方程为: 9 T为系统采样周期;Qn为系统噪声量;状态输入向量:=[];为k时刻电池荷电状态SOC;表示k时刻电阻R1上的电压;表示k时刻电阻R2上的电压;时间常数为电阻R1和电容C1的乘积、为为电阻R2和电容C2的乘积电阻和电容的乘积;为电池电流; 所述将所述电池的电流测量值、电压测量值、环境温度测量值、卡尔曼滤波器状态估计值输入预先训练好的LSTM神经网络中,获得电池SOC预测值的步骤中,LSTM神经网络由单元状态、遗忘门、输入门和输出门组成; 遗忘门、输入门、单元状态和输出门的更新方程为: 1 2 3 4 是t时刻LSTM神经网络的输入数据,包括电池电压、电流、环境温度和卡尔曼滤波器的状态估计值;为sigmoid函数;表示遗忘门输出;w和b表示各层神经元的权系数;it为输入门的输出向量;tanh为tanh函数;表示卷积层输出;表示输出层输出;表示LSTM神经网络最终输出的电池SOC预测值; 所述将所述电池的电流、电压和环境温度测量值输入卡尔曼滤波器进行状态估计,获得卡尔曼滤波器状态估计值的步骤中,具体包括:将所述电池的电流、电压测量值通过状态预测方程和协方差预测方程进行预测,预测值通过卡尔曼增益调整方程进行调整,调整值通过状态更新方程和协方差更新方程进行修正获得卡尔曼滤波器状态估计值; 其中,状态预测方程、协方差预测方程、卡尔曼增益调整方程、状态更新方程和协方差更新方程均由电池的状态空间方程得出。
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中国电力科学研究院有限公司;国家电网有限公司;国网天津市电力公司,其通讯地址为:100192 北京市海淀区清河小营东路15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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励