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！

龙图腾网获悉杭州科工电子科技股份有限公司申请的专利一种电池健康状态预测方法、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：CN119199561B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202411600366.2，技术领域涉及：G01R31/367；该发明授权一种电池健康状态预测方法、装置、设备及介质是由刘爱华;赵广洋;王荣强;宋欣民设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种电池健康状态预测方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种电池健康状态预测方法、装置、设备及介质，涉及新能源技术领域，该方法包括：获取待检测锂电池的充放电循环数据；将所述充放电循环数据输入至训练好的电池健康状态预测模型中，得到由电池健康状态预测模型输出的电池寿命结果；所述电池健康状态预测模型是基于样本锂电池的样本融合特征以及每一次样本充放电循环的电池健康状态，并采用有监督的深度学习方式进行训练得到的，所述样本融合特征为训练使用的输入数据，每一次样本充放电循环的电池健康状态为训练使用的标签。本发明有效地提高了模型的预测精度，在有效解决数据分布不均衡的同时，更精准地完成电池健康状态预测的任务。

本发明授权一种电池健康状态预测方法、装置、设备及介质在权利要求书中公布了：1.一种电池健康状态预测方法，其特征在于，所述方法包括： 获取待检测锂电池的充放电循环数据； 将所述充放电循环数据输入至训练好的电池健康状态预测模型中，得到由电池健康状态预测模型输出的电池寿命结果； 所述电池健康状态预测模型是基于样本锂电池的样本融合特征以及每一次样本充放电循环的电池健康状态，并采用有监督的深度学习方式进行训练得到的，所述样本融合特征为训练使用的输入数据，每一次样本充放电循环的电池健康状态为训练使用的标签； 所述样本融合特征是基于时间-电压衰减关系识别充放电循环过程中的拐点并挖掘数据中隐含的差异性特征，从样本锂电池的样本充放电循环数据提取得到的，每一次样本充放电循环的电池健康状态是根据样本充放电循环的电池容量与初始样本充放电循环的电池容量的比值确定得到的； 所述电池健康状态预测模型通过以下步骤训练得到： 获取样本锂电池的样本充放电循环数据，并对样本充放电循环数据进行预处理，从样本充放电循环数据中筛选出每一次样本充电循环的样本特征；所述样本特征包括：温度、电流、电压、功率、时间和电池容量； 根据每一次样本充放电循环的电池容量与初始样本充放电循环的电池容量的比值，确定每一次样本充放电循环的电池健康状态； 根据每一次样本充放电循环的样本特征，构建每一次样本充放电循环的电压-时间衰减特征曲线； 合并每一次样本充放电循环周期的电压-时间衰减特征曲线中相同电压值的样本特征，得到电压分组特征，并获取电压分组特征的衍生特征，进行电压分组特征与衍生特征的特征融合，得到样本融合特征； 将样本融合特征作为训练使用的输入数据，将每一次样本充放电循环的电池健康状态作为标签，采用有监督的深度学习方式进行训练，得到用于预测锂电池的电池寿命结果的电池健康状态预测模型； 所述合并每一次样本充放电循环周期的电压-时间衰减特征曲线中相同电压值的样本特征，得到电压分组特征，并获取电压分组特征的衍生特征，进行电压分组特征与衍生特征的特征融合，得到样本融合特征，具体包括： 通过预设经验曲线对每一条电压-时间衰减特征曲线分别进行拟合，识别预设经验曲线上的转折点，得到每一条电压-时间衰减特征曲线的拐点以及拐点起始点； 合并每一次样本充放电循环周期的电压-时间衰减特征曲线中相同电压值的样本特征，得到电压分组特征； 确定电压分组特征中每个电压值相对于电压-时间衰减特征曲线的初始电压之间的差值，得到电压差值，以及，确定电压分组特征中每个电压值分别相对于电压-时间衰减特征曲线的拐点以及拐点起始点的时间偏移量，得到第一时间差值和第二时间差值；所述衍生特征包括所述电压差值、第一时间差值和第二时间差值； 进行电压分组特征与衍生特征的特征融合，得到样本融合特征。

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杭州科工电子科技股份有限公司，其通讯地址为：310030 浙江省杭州市西湖区三墩镇西园九路6号5幢5层；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”。