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！

龙图腾网获悉南京工程学院申请的专利基于FOMIAUKF算法的电池SOC预测方法及电池管理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：CN118393358B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202410487736.X，技术领域涉及：G01R31/367；该发明授权基于FOMIAUKF算法的电池SOC预测方法及电池管理系统是由卞海红;张智源;唐鑫设计研发完成，并于2024-04-22向国家知识产权局提交的专利申请。

本基于FOMIAUKF算法的电池SOC预测方法及电池管理系统在说明书摘要公布了：本发明公开一种基于FOMIAUKF算法的电池SOC预测方法及电池管理系统，方法包括：通过建立分数阶锂电池模型，获得状态空间离散系统方程和测量方程；然后，通过混合动力脉冲特性测试，采集电池放电数据，拟合出开路电压与SOC的关系表达式；采用WSO‑LM混合算法进行参数辨识，获得相应的模型参数；引入分数阶多新息自适应无迹卡尔曼滤波FOMIAUKF算法，估算锂电池组SOC值，并进行误差分析。本发明电池管理系统SOC精度误差在0.2％以内，远优于国家标准QCT897‑2011的规定。

本发明授权基于FOMIAUKF算法的电池SOC预测方法及电池管理系统在权利要求书中公布了：1.一种基于FOMIAUKF算法的电池SOC预测方法，其特征在于，包括以下步骤：步骤1、在二阶RC等效模型的基础上建立分数阶锂电池模型，获得分数阶锂电池模型的状态空间离散系统方程和测量方程；步骤2、进行混合动力脉冲特性测试，采集电池放电数据，拟合出开路电压和SOC的关系表达式；步骤3、采取WSO-LM混合算法进行参数辨识，得到分数阶锂电池模型的参数，即电池内阻R0、极化内阻R1和R2、极化电容C1和C2；得到参数辨识后的分数阶锂电池模型；步骤4、将开路电压和SOC的关系表达式作为SOC真值，对参数辨识后的分数阶锂电池模型采用分数阶多新息自适应无迹卡尔曼滤波算法，即FOMIAUKF算法，计算误差，获得锂电池组SOC预测值；步骤4包括以下步骤：1算法初始化： 其中，x0为模型的状态变量初始值，其值为x0＝SOC0，w0，v0为过程噪声和测量噪声的初始值，默认取值0，Pxx,0为状态估计的协方差初始值，Q0，R0为过程噪声和测量噪声的方差，SOC0为通过开路电压法确定的锂电池组的电压初始值；E[·]表示计算期望值；2产生Sigma样本点Xi：获取状态向量2n+1个Sigma样本点Xi，计算采样点和相应权重向量，再根据UT变换，利用非线性状态函数对采样点传输，得出k-1时刻的Sigma点： 式中，γ为比例因子，xk-1为k-1时刻的模型状态变量，Xi为Sigma点，Pxx，kk-1为状态变量的方差；3计算加权系数：在非线性传递函数Xi，kk-1＝fXk-1，ik中代入Sigma点求取下一步预测：Xi,kk-1＝fXk-1，ik+wk-1i＝1，...，2n其中，Xi，kk-1为Sigma点的预测值，Xk-1为k-1时刻的Sigma点，ik为k时刻的电流值，wk-1为k时刻的过程噪声，fXk-1，ik为非线性传递函数，n为n个采样点；则状态变量的预测值为： 其中，i为第i个采样点，m和c为不同权重系数的上标，Wim为权重系数，其值为： 由此可得Sigma采样点集的非线性传递式为：λi,kk-1＝fXi,kk-1，Ik其中，λi，kk-1为非线性传递后的Sigma点；4时间更新：通过计算权重和协方差，可以得出观测变量的平均值和方差： 其中，为观测变量的平均值，Pxx，kk-1为状态变量的方差，Qk-1为k-1时刻过程噪声协方差，Wim和Wic为权重系数；5测量更新：根据测量函数ζi，kk-1＝Gλi，kk-1，ik数更新观测值，观测变量的平均值和方差为： 其中，Pyy，kk-1为观测变量的方差，ζi，kk-1为更新后的观测值，Wim和Wic为权重系数，Rk-1为测量噪声的协方差；状态变量和观测变量的联合协方差矩阵为： 卡尔曼增益为：Kx，k＝Pxy，kk-1Pyy，kk-1-1其中，Pyy，k+1k-1为Pxy，k+1k的逆矩阵；定义卡尔曼增益矩阵：Kp，k＝[Kx，kKx，k-1…KX，K-P+1]6更新后验状态值：新息序列为：ek＝yk-ykk-1其中，ek为k时刻的新息，yk为k时刻的实时电压测量值，ykk-1为k时刻的观测变量预测值；定义多新息矩阵为： 其中，Ep，k为新息矩阵，p为新息长度，为k时刻的观测变量均值；状态变量估计更新为： 其中，Kp，k为卡尔曼增益，为k时刻的状态变量预测值，xk为更新后的k时刻状态变量；7更新后验状态误差协方差： 其中，Kx，k为卡尔曼增益，Pxx，kk-1为k时刻状态误差协方差的预测值，Py，kk-1为k时刻的状态误差协方差，Pxx，k为更新后的后验状态误差协方差；为Kx，k的转置矩阵。

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南京工程学院，其通讯地址为：211167 江苏省南京市江宁科学园弘景大道1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”。