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！

龙图腾网获悉宜宾时代新能源有限公司申请的专利一种电池剩余寿命预测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：CN120470270B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510968957.3，技术领域涉及：G06F18/20；该发明授权一种电池剩余寿命预测方法是由徐强;马建龙设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种电池剩余寿命预测方法在说明书摘要公布了：本申请涉及一种电池剩余寿命预测方法，涉及电池的技术领域，其方法包括：基于源域电池的历史运行数据对构建的基础预测模型进行训练得到源域预测模型；将训练得到的源域预测模型应用于目标电池寿命预测时执行参数迁移策略；获取目标电池生命周期中的部分数据；所述部分数据包含能够表征目标电池退化趋势的数据；基于所述目标电池生命周期中的部分数据对源域预测模型的中间层以及顶层进行参数调整得到目标电池的预测模型；基于所述目标电池的预测模型进行寿命预测。本申请具有在减少模型训练的数量以及成本的前提下，保证良好的预测电池剩余寿命准确度的效果。

本发明授权一种电池剩余寿命预测方法在权利要求书中公布了：1.一种电池剩余寿命预测方法，其特征在于，包括： 基于源域电池的历史运行数据对构建的基础预测模型进行训练得到源域预测模型；其中，所述源域预测模型包括输入层、时域卷积网络层、自注意力机制层以及输出层；所述时域卷积网络层包括第一时域卷积网络层、第二时域卷积网络层以及第三时域卷积网络层； 将源域预测模型的输入层以及第一时域卷积网络层配置为底层，用于提取电池特征；将第二时域卷积网络层、第三时域卷积网络层以及自注意力机制层配置为中间层，用于对电池特征进行抽象和组合；将输出层配置为顶层，用于生成最终的预测结果； 将训练得到的源域预测模型应用于目标电池寿命预测时执行参数迁移策略；所述参数迁移策略包括：冻结所述底层的所有参数以及保持中间层和顶层参数处于可训练状态； 获取目标电池生命周期中的部分数据；所述部分数据包含能够表征目标电池退化趋势的数据； 基于所述目标电池生命周期中的部分数据对源域预测模型的中间层以及顶层进行参数调整得到目标电池的预测模型； 基于所述目标电池的预测模型进行寿命预测； 在时域卷积网络层的第一时域卷积网络层、第二时域卷积网络层以及第三时域卷积网络层均前置门控单元；所述门控单元的功能包括： 接收三维张量b,T,m；将每个时间步对应的包含m个特征的向量记为时间步特征向量；T为时间序列长度，b为每次输入模型进行训练的数据样本数量； 计算每个时间步特征向量的范数形成范数序列，以得到特征强度在时间序列上的变化序列； 计算相邻时间步特征向量的相似度形成相似度序列，以评估电池状态在时间维度上的连续变化趋势； 计算不同特征维度之间的相关系数构建相关系数矩阵以分析各特征的协同变化关系； 通过门控单元的可学习参数对范数序列、相似度序列以及相关系数矩阵进行加权处理生成每层时域卷积网络的感受野调整比例，在保持扩张因子从第一层到第三层递增的基础上，根据当前输入数据特性调整各层的扩张因子； 对每个时间步特征向量的各特征维度，计算相邻时间步的特征变化量及其变化趋势； 结合通过历史数据学习得到的特征重要性权重和统计分析确定的突变阈值，计算每个时间步的突变检测得分；突变检测得分越高表示特征突变可能性越大； 当连续N个时间步的突变检测得分超过预设阈值时，判定检测到电池退化曲线的非线性突变生成突变信号； 若检测到非线性突变，门控单元采用扩张因子调整、滑动步长调整以及填充方式调整中的至少一个调整当前层时域卷积网络的参数：其中，扩张因子调整为减小扩张因子以缩小感受野；滑动步长调整为增加卷积核的滑动步长；填充方式调整为调整卷积操作的填充数量。

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宜宾时代新能源有限公司，其通讯地址为：644000 四川省宜宾市临港经开区兴港路西段134号12栋；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”。