CN107972508A - 一种电动汽车充电功率控制方法及控制装置 - Google Patents

一种电动汽车充电功率控制方法及控制装置 Download PDF

Info

Publication number
CN107972508A
CN107972508A CN201711203891.0A CN201711203891A CN107972508A CN 107972508 A CN107972508 A CN 107972508A CN 201711203891 A CN201711203891 A CN 201711203891A CN 107972508 A CN107972508 A CN 107972508A
Authority
CN
China
Prior art keywords
charging
battery
power control
center
electric automobile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711203891.0A
Other languages
English (en)
Inventor
陆玉正
颜森林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Xiaozhuang University
Original Assignee
Nanjing Xiaozhuang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Xiaozhuang University filed Critical Nanjing Xiaozhuang University
Priority to CN201711203891.0A priority Critical patent/CN107972508A/zh
Publication of CN107972508A publication Critical patent/CN107972508A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种电动汽车充电功率控制方法及控制装置，其中控制方法包括如下步骤：(1)获取电动汽车动力电池的电池容量Cap；(2)采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T；(3)以电池容量Cap、剩余电量SOC和电池温度T作为输入节点构建输出节点数为1的RBF神经网络，根据P组输入样本，训练所述RBF神经网络；(4)计算RBF神经网络的输出，即为充电桩的充电功率控制信号。采用该控制方法，可以根据电池的状态参数，控制最佳充电功率，能够实现高效、快速的充电。

Description

一种电动汽车充电功率控制方法及控制装置
技术领域
本发明属于交通控制领域，具体涉及一种电动汽车充电功率控制方法及控制装置。
背景技术
随着经济和科技的发展，世界各国都在大力发展电动汽车，电动汽车将进入全面大发展时期。然而，随着电动汽车的快速增长，充电成为最为棘手的问题。由于电池的材料与性能不同，充电方法也不相同，在不同的剩余电量或温度条件下，充电功率也不相同。经过研究发现，电池在充电过程中存在一条最优的充电曲线。但目前的充电方式大多为恒功率或者简单切换充电功率方式来充电，充电效率有待进一步提高。
发明内容
发明目的：针对现有的电动汽车充电效率不高的问题，本发明提供了一种电动汽车充电功率控制方法及控制装置，采用该控制方法，可以根据电池的状态参数，控制最佳充电功率，能够实现高效、快速的充电。
技术方案：本发明一方面公开了一种电动汽车充电功率控制方法，包括如下步骤：
(1)获取电动汽车动力电池的电池容量Cap；
(2)采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T，设采集的数据为P组；
(3)以电池容量Cap、剩余电量SOC和电池温度T作为输入节点构建输出节点数为1的RBF神经网络，根据P组输入样本，训练所述RBF神经网络；
(4)计算RBF神经网络的输出，即为充电桩的充电功率控制信号。
构建的RBF神经网络结构为：输入层节点数为3，隐含层节点数为h，输出节点数为1；激活函数为：输入X＝[SOC,Cap,T]T，输出其中ωi为RBF神经网络中隐含层到输出层的连接权值，Xp为采集的第p组输入样本,ci为高斯函数的中心，σi为高斯函数的方差，||·||2为欧式范数运算符，i＝1,2,3,…,h，p＝1,2,…,P。
高斯函数的中心ci的计算步骤为：
(2.1)随机选取h个输入样本作为初始聚类中心ci，i＝1,2,3,…,h；
(2.2)将P组输入样本按最近邻规则分组：对于每一组输入样本Xp，计算Xp与每一个聚类中心ci之间的欧式距离，将Xp加入到其中欧式距离最小的聚类集合Γi中，i＝1,2,3,…,h，p＝1,2,…,P；
(2.3)重新调整聚类中心，计算各个聚类集合Γi中输入样本平均值作为新的聚类中心ci′，如果新的聚类中心ci′与上一次迭代的聚类中心ci欧式距离满足
ci-ci′||2<ε，ci即为RBF神经网络最终的径向基函数中心，否则更新ci＝ci′，返回(2.2)，进行下一轮的聚类中心的迭代求解，||·||2为欧式范数运算符，ε为表征运算精度的正实数。
高斯函数的方差σi的计算式为：其中cmax为高斯函数的中心ci的最大值。
RBF神经网络中隐含层到输出层的连接权值ωi的计算式为：
其中cmax为高斯函数的中心ci的最大值，i＝1,2,3,…,h，p＝1,2,…,P。
本发明另一方面公开了一种种电动汽车充电功率控制装置，包括位于电动汽车侧的数据采集装置和位于充电桩侧的计算控制装置；
所述数据采集装置包括检测传感器(1)、温度传感器(2)、信号采集模块(3)和无线发射器(4)；所述检测传感器(1)安装在电动汽车动力电池的电源端口，采集动力电池的SOC信号，所述温度传感器(2)安装在动力电池内部，采集电池内部温度值，检测传感器(1)和温度传感器(2)均与信号采集模块(3)连接，所述信号采集模块(3)上设置有电池容量设置模块(5)，信号采集模块(3)将SOC信号、温度值和电池容量传输至信号采集模块(3)，通过无线发射器(4)发送至充电桩侧的计算控制装置；
所述计算控制装置包括充电桩电能变换器(6)、充电控制器(7)和无线接收器(8)，所述无线接收器(8)接收无线发射器(4)发送的SOC信号、温度值和电池容量，传输至充电控制器(7)，充电控制器(7)采用权利要求1-5所述的电动汽车充电功率控制方法，输出充电桩的充电功率控制信号，控制充电桩电能变换器(6)。
有益效果：与现有技术相比，本发明公开的电动汽车充电功率控制方法和控制装置具有以下优点：1、可以实现动力电池能够在最佳充电功率工况下充电，效率高；2、采用强电与弱电相分离的技术，减少电磁干扰；3、在现有的电动汽车和现有的充电设备上进行改造，成本低，有利于商业化。
附图说明
图1是本发明公开的电动汽车充电功率控制装置结构图；
图2是本发明公开的控制方法中构建的RBF神经网络结构示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。
如图1所示，为本发明公开的电动汽车充电功率控制装置结构图，包括位于电动汽车侧的数据采集装置和位于充电桩侧的计算控制装置；其中数据采集装置包括检测传感器1、温度传感器2、信号采集模块3和无线发射器4；所述检测传感器1安装在电动汽车动力电池的电源端口，采集动力电池的SOC(State Of Charge，剩余电量)信号；温度传感器2安装在动力电池内部，采集电池内部温度值，检测传感器1和温度传感器2均与信号采集模块3连接，所述信号采集模块3上设置有电池容量设置模块5，信号采集模块3将SOC信号、温度值和电池容量传输至信号采集模块3，通过无线发射器4发送至充电桩侧的计算控制装置；
计算控制装置包括充电桩电能变换器6、充电控制器7和无线接收器8，所述无线接收器8接收无线发射器4发送的SOC信号、温度值和电池容量，传输至充电控制器7，充电控制器7采用权利要求1-5所述的电动汽车充电功率控制方法，输出充电桩的充电功率控制信号，控制充电桩电能变换器6的充电功率。
充电桩电能变换器6的输入与市电9的三相电连接，充电桩电能变换器6的输出为充电桩充电接口10。当电动汽车充电插头11插入充电桩充电接口10后，对电动汽车的动力电池进行充电。
充电控制器7是由高性能的DSP芯片构成，用于接受无线接收器8的信号，并对接受的信号进行RBF神经网络算法控制，输出信号用于控制充电桩电能变换器6的充电电压与充电功率。充电桩电能变换器6是由电力电子器件构成的，其充电电压与充电功率由充电控制器7的输出信号控制。
充电桩充电接口10为符合国家标准的电动汽车充电接口，安装在电动汽车车身上，其一端与动力电池的正、负极连接；电动汽车充电插头11为符合国家标准的电动汽车充电插头，安装在充电桩电能变换器6输出端口；检测传感器1由电压、电流传感器构成，可以采集动力电池的充电/放电电压、功率以及SOC值。
本发明公开了一种充电控制器7对充电桩电能变换器6的充电功率进行控制的方法，根据电池的状态参数，控制最佳充电功率，能够实现高效、快速的充电，步骤如下：
(1)获取电动汽车动力电池的电池容量Cap；
电池容量C可以由电池容量设置模块5来设置或输入；
(2)采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T，设采集的数据为P组；
电池容量Cap、剩余电量SOC和电池温度T由无线发射器4发送、无线接收器8接收，并传送到充电控制器7；
(3)以电池容量Cap、剩余电量SOC和电池温度T作为输入节点构建输出节点数为1的RBF神经网络，根据P组输入样本，训练所述RBF神经网络；
构建的RBF神经网络结构为：输入层节点数为3，隐含层节点数为h，输出节点数为1。本实施例中采用的隐含层节点数为6，即h＝6，如图2所示；激活函数为：
输入X＝[SOC,Cap,T]T，输出其中ωi为RBF神经网络中隐含层到输出层的连接权值，Xp为采集的第p组输入样本,ci为高斯函数的中心，σi为高斯函数的方差，||·||2为欧式范数运算符，i＝1,2,3,…,h，p＝1,2,…,P。
高斯函数的中心ci的计算步骤为：
(2.1)随机选取h个输入样本作为初始聚类中心ci，i＝1,2,3,…,h；
(2.2)将P组输入样本按最近邻规则分组：对于每一组输入样本Xp，计算Xp与每一个聚类中心ci之间的欧式距离，将Xp加入到其中欧式距离最小的聚类集合Γi中，i＝1,2,3,…,h，p＝1,2,…,P；
(2.3)重新调整聚类中心，计算各个聚类集合Γi中输入样本平均值作为新的聚类中心ci′，如果新的聚类中心ci′与上一次迭代的聚类中心ci欧式距离满足||ci-ci′||2<ε，ci即为RBF神经网络最终的径向基函数中心，否则更新ci＝ci′，返回(2.2)，进行下一轮的聚类中心的迭代求解，||·||2为欧式范数运算符，ε为表征运算精度的正实数。
高斯函数的方差σi的计算式为：其中cmax为高斯函数的中心ci的最大值。
RBF神经网络中隐含层到输出层的连接权值ωi的计算式为：
其中cmax为高斯函数的中心ci的最大值，i＝1,2,3,…,h，p＝1,2,…,P。
(4)计算RBF神经网络的输出，即为充电桩的充电功率控制信号；
由计算出的Y来控制充电桩电能变换器6的充电功率。
通过不断地采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T，组成输入样本对构建的RBF神经网络进行训练，使得网络不断学习，使输出的控制信号精度满足控制要求。

Claims (6)

1.一种电动汽车充电功率控制方法，其特征在于，包括如下步骤：
(1)获取电动汽车动力电池的电池容量Cap；
(2)采集电动汽车动力电池在充电过程中的剩余电量SOC和电池温度T，设采集的数据为P组；
(3)以电池容量Cap、剩余电量SOC和电池温度T作为输入节点构建输出节点数为1的RBF神经网络，根据P组输入样本，训练所述RBF神经网络；
(4)计算RBF神经网络的输出，即为充电桩的充电功率控制信号。
2.根据权利要求1所述的电动汽车充电功率控制方法，其特征在于，步骤(3)中构建的RBF神经网络结构为：输入层节点数为3，隐含层节点数为h，输出节点数为1；激活函数为：输入X＝[SOC,Cap,T]T，输出其中ωi为RBF神经网络中隐含层到输出层的连接权值，Xp为采集的第p组输入样本,ci为高斯函数的中心，σi为高斯函数的方差，||·||2为欧式范数运算符，i＝1,2,3,…,h，p＝1,2,…,P。
3.根据权利要求2所述的电动汽车充电功率控制方法，其特征在于，所述高斯函数的中心ci的计算步骤为：
(2.1)随机选取h个输入样本作为初始聚类中心ci，i＝1,2,3,…,h；
(2.2)将P组输入样本按最近邻规则分组：对于每一组输入样本Xp，计算Xp与每一个聚类中心ci之间的欧式距离，将Xp加入到其中欧式距离最小的聚类集合Γi中，i＝1,2,3,…,h，p＝1,2,…,P；
(2.3)重新调整聚类中心，计算各个聚类集合Γi中输入样本平均值作为新的聚类中心ci′，如果新的聚类中心ci′与上一次迭代的聚类中心ci欧式距离满足||ci-ci′||2＜ε，ci即为RBF神经网络最终的径向基函数中心，否则更新ci＝ci′，返回(2.2)，进行下一轮的聚类中心的迭代求解，||·||2为欧式范数运算符，ε为表征运算精度的正实数。
4.根据权利要求2所述的电动汽车充电功率控制方法，其特征在于，所述高斯函数的方差σi的计算式为：其中cmax为高斯函数的中心ci的最大值。
5.根据权利要求2所述的电动汽车充电功率控制方法，其特征在于，所述RBF神经网络中隐含层到输出层的连接权值ωi的计算式为：
<mrow> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mfrac> <mi>h</mi> <msubsup> <mi>c</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mn>2</mn> </msubsup> </mfrac> <mo>|</mo> <mo>|</mo> <msub> <mi>X</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>c</mi> <mi>i</mi> </msub> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>)</mo> </mrow> </mrow>
其中cmax为高斯函数的中心ci的最大值，i＝1,2,3,…,h，p＝1,2,…,P。
6.一种电动汽车充电功率控制装置，其特征在于，包括位于电动汽车侧的数据采集装置和位于充电桩侧的计算控制装置；
所述数据采集装置包括检测传感器(1)、温度传感器(2)、信号采集模块(3)和无线发射器(4)；所述检测传感器(1)安装在电动汽车动力电池的电源端口，采集动力电池的SOC信号，所述温度传感器(2)安装在动力电池内部，采集电池内部温度值，检测传感器(1)和温度传感器(2)均与信号采集模块(3)连接，所述信号采集模块(3)上设置有电池容量设置模块(5)，信号采集模块(3)将SOC信号、温度值和电池容量传输至信号采集模块(3)，通过无线发射器(4)发送至充电桩侧的计算控制装置；
所述计算控制装置包括充电桩电能变换器(6)、充电控制器(7)和无线接收器(8)，所述无线接收器(8)接收无线发射器(4)发送的SOC信号、温度值和电池容量，传输至充电控制器(7)，充电控制器(7)采用权利要求1-5所述的电动汽车充电功率控制方法，输出充电桩的充电功率控制信号，控制充电桩电能变换器(6)。
CN201711203891.0A 2017-11-27 2017-11-27 一种电动汽车充电功率控制方法及控制装置 Pending CN107972508A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711203891.0A CN107972508A (zh) 2017-11-27 2017-11-27 一种电动汽车充电功率控制方法及控制装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711203891.0A CN107972508A (zh) 2017-11-27 2017-11-27 一种电动汽车充电功率控制方法及控制装置

Publications (1)

Publication Number Publication Date
CN107972508A true CN107972508A (zh) 2018-05-01

Family

ID=62011765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711203891.0A Pending CN107972508A (zh) 2017-11-27 2017-11-27 一种电动汽车充电功率控制方法及控制装置

Country Status (1)

Country Link
CN (1) CN107972508A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109591659A (zh) * 2019-01-14 2019-04-09 吉林大学 一种智能学习的纯电动汽车能量管理控制方法
CN109606183A (zh) * 2018-12-19 2019-04-12 国网北京市电力公司 电动汽车的充电方法和装置
CN110095744A (zh) * 2019-04-04 2019-08-06 国网江苏省电力有限公司电力科学研究院 一种电子式互感器误差预测方法
CN110667540A (zh) * 2019-11-15 2020-01-10 吉林工程技术师范学院 一种用于电动汽车的电子电力控制动力系统及其控制方法
CN112440831A (zh) * 2019-09-04 2021-03-05 北汽福田汽车股份有限公司 燃料电池车辆的发动机控制方法、装置及燃料电池车辆
CN118578903A (zh) * 2024-08-02 2024-09-03 长安绿电科技有限公司 一种双电压电池储能器充电方法、装置、控制器及车辆

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064180A (en) * 1996-10-29 2000-05-16 General Motors Corporation Method and apparatus for determining battery state-of-charge using neural network architecture
US20070005276A1 (en) * 2005-06-13 2007-01-04 Il Cho Apparatus and method for testing state of charge in battery
CN104037898A (zh) * 2014-07-02 2014-09-10 东南大学 一种车载动力电池自适应充电方法
CN104101838A (zh) * 2013-04-09 2014-10-15 广州汽车集团股份有限公司 动力电池系统及其荷电状态、最大充放电功率估算方法
CN105160109A (zh) * 2015-09-11 2015-12-16 东华大学 一种基于rbf神经网络的电机温升预测的方法
CN105823989A (zh) * 2016-05-04 2016-08-03 安徽工程大学 一种改进的rbf神经网络的电池soc预测方法
CN106408123A (zh) * 2016-09-21 2017-02-15 深圳市沃特玛电池有限公司 一种基于神经网络模型的最优充电电流估算的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064180A (en) * 1996-10-29 2000-05-16 General Motors Corporation Method and apparatus for determining battery state-of-charge using neural network architecture
US20070005276A1 (en) * 2005-06-13 2007-01-04 Il Cho Apparatus and method for testing state of charge in battery
CN104101838A (zh) * 2013-04-09 2014-10-15 广州汽车集团股份有限公司 动力电池系统及其荷电状态、最大充放电功率估算方法
CN104037898A (zh) * 2014-07-02 2014-09-10 东南大学 一种车载动力电池自适应充电方法
CN105160109A (zh) * 2015-09-11 2015-12-16 东华大学 一种基于rbf神经网络的电机温升预测的方法
CN105823989A (zh) * 2016-05-04 2016-08-03 安徽工程大学 一种改进的rbf神经网络的电池soc预测方法
CN106408123A (zh) * 2016-09-21 2017-02-15 深圳市沃特玛电池有限公司 一种基于神经网络模型的最优充电电流估算的方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109606183A (zh) * 2018-12-19 2019-04-12 国网北京市电力公司 电动汽车的充电方法和装置
CN109591659A (zh) * 2019-01-14 2019-04-09 吉林大学 一种智能学习的纯电动汽车能量管理控制方法
CN109591659B (zh) * 2019-01-14 2020-04-07 吉林大学 一种智能学习的纯电动汽车能量管理控制方法
CN110095744A (zh) * 2019-04-04 2019-08-06 国网江苏省电力有限公司电力科学研究院 一种电子式互感器误差预测方法
CN112440831A (zh) * 2019-09-04 2021-03-05 北汽福田汽车股份有限公司 燃料电池车辆的发动机控制方法、装置及燃料电池车辆
CN110667540A (zh) * 2019-11-15 2020-01-10 吉林工程技术师范学院 一种用于电动汽车的电子电力控制动力系统及其控制方法
CN110667540B (zh) * 2019-11-15 2020-07-03 吉林工程技术师范学院 一种用于电动汽车的电子电力控制动力系统及其控制方法
CN118578903A (zh) * 2024-08-02 2024-09-03 长安绿电科技有限公司 一种双电压电池储能器充电方法、装置、控制器及车辆

Similar Documents

Publication Publication Date Title
CN107972508A (zh) 一种电动汽车充电功率控制方法及控制装置
CN112703125B (zh) 一种锂电池的析锂检测方法及装置
CN110045298B (zh) 一种动力电池组参数不一致性的诊断方法
CN111273180B (zh) 一种锂电池的析锂检测方法及装置
CN204789949U (zh) 电动汽车动力电池soc检测装置
CN101362442B (zh) 电动车辆
WO2019184862A1 (zh) 电动汽车及其数据处理系统和数据处理方法
CN106443453A (zh) 一种基于bp神经网络的锂电池soc估算方法
CN106338695A (zh) 一种基于粒子群算法的电池模型参数辨识方法
CN111352032A (zh) 一种锂电池动态峰值功率预测方法
CN202840547U (zh) 电动汽车锂电池智能管理系统
CN104795857A (zh) 锂离子电池能量均衡系统及其实现方法
CN111919128A (zh) 蓄电装置的充电状态推测方法及蓄电装置的充电状态推测系统
CN103084342B (zh) 一种二次电池的分选方法
CN104569833B (zh) 放电过程中动力电池的荷电状态计算方法和装置
CN112550065B (zh) 电池充电控制方法、装置、介质及电池管理系统
CN108988455B (zh) 一种基于协同控制的超级电容电压均衡方法及其均衡装置
CN110137628A (zh) 一种动力电池自加热系统及其加热方法
WO2019042415A1 (zh) 电池均衡方法、系统、车辆、存储介质及电子设备
CN111967194A (zh) 一种基于云端历史数据的电池分类方法
CN113158345A (zh) 一种新能源车辆动力电池容量预测方法及系统
CN107054110A (zh) 一种电动汽车电池管理系统和管理方法
CN115101836B (zh) 一种云-端融合的电池系统管理方法及装置
CN114977410A (zh) 一种基于pso-ga-fcm聚类的动力锂电池主动均衡控制策略及方法
CN115004503A (zh) 用于控制并联多组模块的输出的设备和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180501

RJ01 Rejection of invention patent application after publication