Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 深圳市盛路物联通讯技术有限公司;深能源(深圳)创新技术有限公司胡斌获国家专利权

深圳市盛路物联通讯技术有限公司;深能源(深圳)创新技术有限公司胡斌获国家专利权

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!

龙图腾网获悉深圳市盛路物联通讯技术有限公司;深能源(深圳)创新技术有限公司申请的专利高精度SOC预测方法、装置、设备及存储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:CN120468678B

龙图腾网通过国家知识产权局官网在2025-10-17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:202510969435.5,技术领域涉及:G01R31/367;该发明授权高精度SOC预测方法、装置、设备及存储介质是由胡斌;罗锐侨;冯桂青;邓万力;杜光东设计研发完成,并于2025-07-15向国家知识产权局提交的专利申请。

高精度SOC预测方法、装置、设备及存储介质在说明书摘要公布了:本申请实施例提供一种高精度SOC预测方法、装置、设备及存储介质,该方法包括:以固定时间间隔采集目标电池的电池数据,基于采集的电池数据构建预设长度的滑动窗口序列;基于预先确定的多个电池SOC预测模型分别对滑动窗口序列进行分析,得到多维融合特征序列;基于注意力机制的深度神经网络对多维融合特征序列进行深层编解码,得到目标电池的SOC预测值。通过结合多模型融合与基于注意力机制的深度神经网络的SOC预测方法,适应动态负载环境,实现SOC的精确跟踪。

本发明授权高精度SOC预测方法、装置、设备及存储介质在权利要求书中公布了:1.一种高精度SOC预测方法,其特征在于,包括: 以固定时间间隔采集目标电池的电池数据,基于采集的电池数据构建预设长度的滑动窗口序列; 将所述滑动窗口序列分别输入至扩展卡尔曼滤波模型、时序网络模型、物理模型和电化学模型;在卡尔曼滤波模型中使用滑动窗口中的电压、电流和温度作为输入,结合内部电池等效电路参数进行状态估计,得到第一初始SOC预测序列;在所述时序网络模型中基于多层神经网络层和全连接层进行分析,输出代表SOC变化轨迹特征向量的第二初始SOC预测序列;在所述物理模型中,基于电压与电流的瞬态响应,利用状态方程进行估算,根据滑动窗口内数据反解电荷状态,得到第三初始SOC预测序列;在所述电化学模型中,仿真计算当前电池内部锂离子浓度变化,根据电池内部锂离子浓度变化推导出第四初始SOC预测序列;将每种模型输出的初始SOC预测序列分别与滑动窗口序列进行拼接,在滑动窗口的每个时间步形成一个新的特征序列,得到多维融合特征序列; 将所述多维融合特征序列输入基于注意力机制的深度神经网络,在所述基于注意力的深度神经网络的输入层将所述多维融合特征序列投影映射至预设维度,并对所述预设维度特征序列中的各特征分别进行时间步的位置编码,得到目标特征序列,在所述基于注意力机制的深度神经网络的编码器中计算所述目标特征序列中任意两个时间步之间的注意力权重,并对每个时间步的嵌入特征进行局部的非线性映射,提取SOC预测相关的关键时间片段特征,在所述基于注意力机制的深度神经网络的解码器中对关键时间片段特征作为查询,与编码器输出的全局特征进行分析,并将分析结果进行融合,将融合后的时间片段特征输入趋势预测模块,预测得到SOC变化趋势。

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深圳市盛路物联通讯技术有限公司;深能源(深圳)创新技术有限公司,其通讯地址为:518000 广东省深圳市南山区粤海街道高新区社区高新南七道022号高新工业村T2-B栋2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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。