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！

龙图腾网获悉湖北工业大学申请的专利一种电-力联合估计磷酸铁锂电池soc的高精度方法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：CN121348136B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511902976.2，技术领域涉及：G01R31/388；该发明授权一种电-力联合估计磷酸铁锂电池soc的高精度方法是由田爱娜;龚呈顺;胡兆宇;姜久春;常春;吕露;廖力设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种电-力联合估计磷酸铁锂电池soc的高精度方法在说明书摘要公布了：本发明涉及一种电‑力联合估计磷酸铁锂电池soc的高精度方法，本发明创新性在于将电‑力双信号协同机制与两级无迹卡尔曼滤波架构结合，通过同步采集电压、电流及膨胀力信号，建立双极化等效电路模型与高斯过程回归膨胀力模型，其中膨胀力模型采用全局偏移补偿克服机械松弛漂移；先基于电压模型进行初级SOC估计，再以膨胀力为独立观测量进行二次修正；并引入动态触发机制，当电压拟合误差持续低于阈值时触发OCV反解校准。本专利突破磷酸铁锂电池电压平坦区估计瓶颈，SOC误差从传统方法的2.29‑4.16%降至0.58‑1.00%，膨胀力补偿机制提升不同预紧力工况鲁棒性，初始SOC误差容忍度达±20%，可有效预防电池过充过放风险。

本发明授权一种电-力联合估计磷酸铁锂电池soc的高精度方法在权利要求书中公布了：1.一种电-力联合估计磷酸铁锂电池soc的高精度方法，其特征在于，包括以下步骤： 步骤S1、在实验平台同步采集电池电压、电流及膨胀力信号； 步骤S2、根据所采集的电压、电流信号建立双极化等效电路模型，并用动态遗忘因子最小二乘法进行参数辨识，建立SOC-OCV关系曲线； 步骤S3、对SOC-OCV关系曲线进行反解得到初始SOC，并通过结合双极化等效电路模型使用无迹卡尔曼滤波对初始SOC进行一级修正； 所述S3中的估计方法首先通过实时的参数识别获取包括电池OCV在内的参数，获取的参数将带入到双极化等效电路模型中，其实现过程如下： S3.1.令，其中为向量形式电池系统参数合集，为电池OCV，即开路电压； S3.2.实时估计电池端电压，其中为模型估计的端电压，为基于双极化等效电路模型的电压计算函数，为通过实时参数识别算法得到的参数集合估计值，为SOC估计值，为实时测量的充放电电流； S3.3.令，其中为模型电压拟合误差，为实测的电池端电压； S3.4.令且，其中为预设的电压误差阈值，用来判断误差是否足够小，为误差随时间的变化率，用来反映误差是否稳定，为预设的误差变化率阈值，用来判断变化是否平缓； S3.5、由SOC-OCV实验得到反解得到，其中为OCV与SOC的拟合函数，为的反函数， S3.6、,其中为基于OCV反解得到的初始SOC值，为识别得到的开路电压估计值； 通过结合双极化等效电路模型和无迹卡尔曼滤波方法进行SOC的一级修正，其实现过程如下： S3.7、，其中为无迹卡尔曼滤波的状态向量，为双极化等效电路模型中的电化学极化电压，为双极化等效电路模型中的浓度极化电压，为欧姆内阻的电压； S3.8、,其中为双极化等效电路模型预测的端电压，为双极化等效电路模型基于状态预测值和电流的电压预测函数，为无迹卡尔曼滤波UKF中的状态预测值，包含SOC预测值、欧姆内阻电压预测值和极化电压预测值； S3.9、，其中是一级修正中的电压残差，即实测电压与预测电压的差值，反映预测偏差； S3.10、，其中为一级UKF的卡尔曼增益，用来决定残差对状态修正的权重，为一级修正中状态与残差的交叉协方差矩阵，用来反映状态与残差的相关性，为一级修正中残差的协方差矩阵的逆矩阵，反映残差的不确定性； S3.11、，其中为一级UKF修正后的SOC值，为UKF中SOC的预测值； 骤S4、根据所采集的膨胀力信号用高斯过程回归建立膨胀力模型，通过膨胀力模型以及再次计算卡尔曼增益对一级修正后的SOC进行二级修正； 所述的S4中计算卡尔曼增益完成SOC的二级修正，其具体实现过程如下： S4.1、以电压观测的SOC为膨胀力观测的初值，直接基于上级UKF估计的SOC值和更新后的状态协方差计算正负偏移的Sigma点； 令； 其中是一级UKF中前一时刻的状态协方差矩阵，是一级UKF中当前时刻的状态协方差矩阵，表示矩阵范数，用来量化矩阵差异，为预设的协方差收敛阈值，用来判断状态估计是否达到稳定； 令，； 其中为二级UKF的初始SOC值，即继承一级修正结果，为二级UKF的初始协方差矩阵，即继承一级修正的协方差，令，其中为UKF中生成的sigma点，用来近似状态的概率分布，为UKF的缩放因子，为状态向量维度； S4.2、计算得到状态的均值和预测的状态协方差，将均值的Sigma点带入膨胀力模型中，并计算出预测的测量均值和协方差； 令； 其中为基于sigma点预测的膨胀力，为SOC到膨胀力的映射函数，由实验标定，反应SOC与电池膨胀力的关联； 令，； 其中为膨胀力预测的均值，为sigma点的均值权重，用于加权计算预测均值，为sigma点的协方差权重，用于加权计算预测协方差，为膨胀力预测的协方差，反映膨胀力预测的不确定性，表示对所有sigma点求和；令，其中为SOC状态与膨胀力的交叉协方差矩阵，用来反映两者的相关性； S4.3、根据状态和测量值计算交叉协方差，最终再次计算卡尔曼增益完成SOC的二级修正： 令； 其中为二级UKF的卡尔曼增益，用来决定膨胀力残差对SOC修正的权重；最终SOC值，其中为二级UKF修正后的最终SOC值，为实测的电池膨胀力，为膨胀力残差，即实测膨胀力与预测膨胀力的差值。

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湖北工业大学，其通讯地址为：430200 湖北省武汉市洪山区南李路28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。