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！

龙图腾网获悉国网吉林省电力有限公司经济技术研究院;吉林省长春电力勘测设计院有限公司申请的专利基于小数据样本的换电站动力电池健康状态估计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：CN119538201B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510104585.X，技术领域涉及：G06F18/26；该发明授权基于小数据样本的换电站动力电池健康状态估计方法是由王鑫红;路晓明;王静;时雨;姚忆雯;高雪峰;许鑫;王鼎衡设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本基于小数据样本的换电站动力电池健康状态估计方法在说明书摘要公布了：本发明公开了基于小数据样本的换电站动力电池健康状态估计方法，通过获取换电站动力电池的使用数据，分析得到温度特征值，容量增量和充电时间特征值，分析得到DTV与IC曲线，通过使用BiLSTM处理CNN从原始时间序列数据中提取的特征，在LSTM层之后应用注意力机制在整个时间序列中动态选择相关的隐藏状态，使用迁移学习解决目标域中数据有限的问题，在数据充足的预训练阶段使用贝叶斯优化进行模型超参数的优化；获取动力电池数据分析得到放电特征值，计算获得动力电池的温度特征值、容量增量和充电时间特征值，分析得到动力电池的异常数据占比，分析动力电池的充放情况得到充放状态值，综合分析数据得到健康特征值。

本发明授权基于小数据样本的换电站动力电池健康状态估计方法在权利要求书中公布了：1.基于小数据样本的换电站动力电池健康状态估计方法，其特征在于，包括以下步骤： 通过获取换电站动力电池的使用数据，分析得到温度特征值，容量增量和充电时间特征值，分析得到DTV与IC曲线； 通过使用BiLSTM处理CNN从原始时间序列数据中提取得到的特征，在LSTM层之后应用注意力机制在整个时间序列中动态选择相关的隐藏状态； 选择使用迁移学习解决目标域中数据有限的问题，在数据充足的预训练阶段，使用贝叶斯优化进行模型超参数的优化，进行神经网络模型开发； 通过DTV与IC曲线分析得到放电特征值，计算获得动力电池的温度特征值、容量增量和充电时间特征值，分析得到动力电池的异常数据占比； 分析动力电池的充放情况得到充放状态值，综合分析数据得到健康特征值，进行分类分析； 所述健康特征值的具体获取过程为： 将得到异常数据占比YC与充放状态值CF进行综合分析，通过公式 ； 计算得到健康特征值JK，其中，和为预设比例系数； 将得到健康特征值JK与预设的健康特征阈值JK0进行比较，分析划分出合理有用的动力电池作为数据依据； 具体的，若健康特征值JK大于或等于预设的健康特征阈值JK0，则表明动力电池数据适合动力电池正常老化的模型训练数据，将对应的动力电池数据标记为正常老化训练数据； 若健康特征值JK小于预设的健康特征阈值JK0，则表明动力电池数据适合动力电池非正常老化模型训练数据，将对应的动力电池数据标记为非正常老化数据； 所述异常数据占比的具体获取过程为： 计算获得动力电池的温度特征值和容量增量，将得到温度特征值与预设的温度特征阈值进行比较，获取大于温度特征阈值的温度特征值个数； 将大于温度特征阈值的温度特征值的个数与得到的温度特征值的总数进行比值处理，得到温度异常占比； 将得到容量增量与预设的容量增量阈值进行比较，获取小于容量增量阈值的容量增量的个数； 将小于容量增量阈值的容量增量个数与得到的容量增量的总数进行比值处理，得到容量异常占比； 将得到温度异常占比与容量异常占比进行加权求和，得到异常数据占比YC； 所述充放状态值的具体获取过程为： 获取动力电池的充电时间特征值CTV，将得到的充电时间特征值CTV与充电时间标准值进行作差处理并取绝对值，得到充电时间偏差值，将充电时间偏差值与充电时间标准值进行比值处理得到充电时间偏差比PC; 综合分析放电特征值FT和充电时间偏差比PC，通过公式 ； 计算得到充放状态值CF，其中d和e为预设相关系数。

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国网吉林省电力有限公司经济技术研究院;吉林省长春电力勘测设计院有限公司，其通讯地址为：130000 吉林省长春市南关区平泉路1427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”。