Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学商云龙获国家专利权

山东大学商云龙获国家专利权

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!

龙图腾网获悉山东大学申请的专利基于数据模型融合的锂离子电池早期故障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:CN121049750B

龙图腾网通过国家知识产权局官网在2026-01-13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:202511596698.2,技术领域涉及:G01R31/367;该发明授权基于数据模型融合的锂离子电池早期故障诊断方法及系统是由商云龙;马阿卜·萨拉赫·穆罕默德·埃尔阿明·阿里;李京伦;顾鑫;张小强设计研发完成,并于2025-11-04向国家知识产权局提交的专利申请。

基于数据模型融合的锂离子电池早期故障诊断方法及系统在说明书摘要公布了:本发明提出了基于数据模型融合的锂离子电池早期故障诊断方法及系统,属于锂离子电池安全控制技术领域,包括:构建锂离子电池的集总电化学模型;获取锂离子电池的模组电流并输入至锂离子电池的集总电化学模型,判断是否达到更新间隔,若是,则引入基于老化轨迹的模型自适应更新机制进行更新并判断是否满足区块式匹配条件;达到更新间隔或者满足区块式匹配条件则得到仿真电压;获取锂离子电池的模组电压;基于锂离子电池的模组电压及仿真电压计算混合阈值,若超出阈值则判断为故障。

本发明授权基于数据模型融合的锂离子电池早期故障诊断方法及系统在权利要求书中公布了:1.基于数据模型融合的锂离子电池早期故障诊断方法,其特征是,包括: 构建锂离子电池的集总电化学模型; 所述集总电化学模型原理可描述为: ; ; ; ; ; 其中,表示电池端电压;SOC和T分别表示电池的荷电状态和温度;OCVSOC,T表示在荷电状态SOC和温度T下的开路电压;代表浓度极化,是由于电活性物质浓度梯度引起的电压损失;代表活化极化,是由于电化学反应动力学引起的电压损失;欧姆极化,是由于内部电阻引起的压降;表示参考开路电压;代表参考温度;代表平均荷电状态;t代表模拟或实验的时间变量;为电池电流;表示初始电池容量;为电池表面荷电状态;x为空间位置坐标,是沿电极厚度方向的位置变量;代表1C电流;为比例系数;上述,,,均为模型的可优化参数,共计4个,后续简写为:; 获取锂离子电池的模组电流并输入至锂离子电池的集总电化学模型,判断是否达到更新时间间隔,若是,则引入基于老化轨迹的模型自适应更新机制进行更新并判断是否满足区块式匹配条件; 所述基于老化轨迹的模型自适应更新机制,具体为: 所述可优化参数随电池SOH衰减而改变,可表示为: ;其中,,,为依赖于SOH相关的随机变量,将其在荷电状态SOC下导数的均值表示为: ,i=1、2、3、4;由此,构造导数比值序列:;其中,是对SOH的导数与对SOH的导数之比,可从已有电池历史循环数据中抽样获取; 当模型残差超过设定阈值时,设定参数增量区间为:;其中,e为传统网格对单变量的搜索寻优范围;为各变量线性拟合最大误差范围,满足:,在上述参数增量区间内采用网格搜索方法快速寻优; 所述区块式匹配条件具体为: 将时间轴N按照窗口长度n划分为b个区块,; 计算电池i在第K个区块中的均方残差: 其中,,j=1……N,N为历史时间的长度,表示电池模型在c时刻与电池i的电压残差; 当任意电池在任意区块中的均方残差小于第一预设值,且任意区块中任意两节电池均方残差的比值小于第二预设值时,满足区块式匹配条件; 若未达到更新间隔或者满足区块式匹配条件则得到仿真电压; 获取锂离子电池的模组电压; 基于锂离子电池的模组电压及仿真电压构建混合临界阈值,若超出混合临界阈值则判断为故障,具体为: 混合临界阈值表示为: 其中,为阈值混合系数,M为历史区块总数,为j区块内组内电池电压方差最大值,为历史序列中组内电压方差最大值,为调和系数,为自由度为M2的t分布的分位数;混合阈值引入了修正项,修正程度由阈值混合系数控制,阈值混合系数越大,修正程度越大。

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山东大学,其通讯地址为:250000 山东省济南市历下区经十路17923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。

免责声明
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。