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！

龙图腾网获悉国网山东省电力公司营销服务中心(计量中心)申请的专利一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法及系统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：CN120561559B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511061476.0，技术领域涉及：G06F18/213；该发明授权一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法及系统是由田晓;刘勇超;张涛;赵冠;张帝;张亚萍设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法及系统在说明书摘要公布了：本发明公开了一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法及系统，涉及锂电池技术领域，对带SOH标签的原始数据进行模拟退化再生，生成高保真扩展样本，构建增强数据集以解决原始标注数据稀缺难题；对增强数据实施层级解析，挖掘锂电池运行数据的长短期动态规律，输出初始SOH预测结果；借助跨域知识适配优化策略，通过分布相似性测度机制量化源域与目标域特征分布差异，动态调参实现新环境数据分布自适应对齐，修正预测结果并输出高精度SOH值。本发明实现了对分布式储能锂电池SOH的高精度估计，适用于原始带SOH标签数据量稀缺的场景，提高预测模型的适用性与准确性。

本发明授权一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法及系统在权利要求书中公布了：1.一种基于扰动恢复增强与跨域适配机制的锂电池健康状态估计方法，其特征在于，包括： 采集带有健康状态标签的锂电池原始数据，并通过数据扰动增强模型生成重分布数据； 对重分布数据进行序列特征提取与健康状态估计，输出锂电池健康状态的初步预测结果，并计算得到健康状态估计偏差； 基于分布均值差异度量方法进行特征分布对齐，得到特征分布差异； 基于所述健康状态估计偏差和所述特征分布差异构建联合损失函数，通过迭代更新参数，得到最终的锂电池健康状态预测结果； 所述数据扰动增强模型包括扰动生成单元和动态特征鉴别单元，用于向所述锂电池原始数据中引入扰动，生成扰动数据样本，再对所述扰动数据样本进行还原，得到还原后的重分布数据； 其中，前向扰动过程用以下公式描述： 其中，fx1:T|x0是在已知初始数据x0的情况下，从时间步1到T所有数据样本x1:T的联合概率分布，fxt|xt-1表示在已知前一个时间步t-1的数据样本xt-1的情况下，当前时间步t的数据样本xt的条件概率分布，表示高斯分布，I表示单位矩阵；αt表示方差调度； 反向恢复过程从被噪声严重污染的xT中逐步恢复出原始数据x0；其过程表示为： 其中，表示在模型参数的作用下，从时间步0到T所有数据样本x0:T的联合概率分布；表示在已知当前时间步t的数据样本xt的情况下，上一个时间步t-1的数据样本xt-1的条件概率分布，由模型参数决定； 动态特征鉴别单元Cxt,t的输入包括扩散过程中的数据xt以及时间步t；输出数据真实性的概率； Cxt,t＝σWd·xt+Wt·τt+bd； 其中，Wd为数据特征的权重矩阵，Wt为时间步特征的权重矩阵，bd为偏置项，σ·为Sigmoid函数； 对抗损失VC,θ由两部分组成： 其中，第一项表示判别器希望对真实数据x～fx1:T∣x0给出更高的概率；第二项表示判别器希望对生成的数据给出更低的概率； 从随机噪声xT恢复出真实数据x0，其训练过程基于均方误差损失，优化目标如下： 其中，是前向扰动过程中的数据；是高斯噪声，是模型预测的噪声，目标是让模型预测的噪声接近真实噪声∩，为一个累积的缩放因子； 数据扰动增强模型训练时将动态特征鉴别单元的对抗训练损失与反向恢复损失结合，优化目标为： 采用分布式均值差异作为度量指标，并以高斯核函数为基础，将Xs与Xt分别映射至高维核希尔伯特空间，再计算其在该空间中的均值距离，得到特征分布对齐损失； 将计算得到的特征分布对齐损失融入到模型的训练目标中，与原有的预测损失共同构成新的综合损失函数： Ltotal＝LSOH+λLDSD； 其中，LSOH表示原有的预测损失；λ是一个可调节的超参数，LDSD表示特征对齐损失； 对重分布数据进行序列特征提取与健康状态估计，包括： 采用包含多层非线性变换和状态控制机制的选择性状态空间序列模型，对重分布数据进行时序特征挖掘； 所述选择性状态空间序列模型包括依次连接的深度动态过滤单元、信息筛选单元、多尺度依赖捕捉单元和健康状态估计单元； 所述深度动态过滤单元基于自适应滤波策略对输入序列数据进行处理； 所述信息筛选单元通过门控线性结构对处理后的数据进行筛选； 所述多尺度依赖捕捉单元在多个特征空间中并行提取时间序列的局部与全局时序依赖特征； 所述健康状态估计单元对提取到的时序依赖特征进行聚合分析，输出锂电池健康状态的初步预测结果。

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山东省电力公司营销服务中心(计量中心)，其通讯地址为：250002 山东省济南市市中区大观园经二路150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”。

以上内容由龙图腾AI智能生成。