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！

龙图腾网获悉南京华设智能电力科技有限公司申请的专利基于神经网络模型的储能电池健康状态评估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：CN120820863B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511317858.5，技术领域涉及：G01R31/367；该发明授权基于神经网络模型的储能电池健康状态评估方法是由丁辉民设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本基于神经网络模型的储能电池健康状态评估方法在说明书摘要公布了：本申请涉及电池监测技术领域，具体而言，涉及基于神经网络模型的储能电池健康状态评估方法，包括如下步骤：步骤1：获取储能电池的循环特征；步骤2：基于支持向量机对循环特征进行回归分类，以生成初始的寿命区间；步骤3：采集储能电池相邻若干次的原始弛豫特征，基于原始弛豫特征与历史弛豫特征的连续性因子；稀疏特征集包括脉冲因子、波形因子、峰值因子、小波能量比、小波能量熵、均方根值根；步骤4：对稀疏特征集进行特征展开得到三维信息；步骤5：将关键特征矩阵和初始的寿命区间输入至神经网络模型中，生成储能电池的精确寿命信息。本申请所提供的技术方案中，采用较为简单的循环特征先获取储能电池的大致寿命区间。

本发明授权基于神经网络模型的储能电池健康状态评估方法在权利要求书中公布了：1.基于神经网络模型的储能电池健康状态评估方法，其特征在于，包括： 步骤1：获取储能电池的循环特征，对循环特征进行预处理以生成初始寿命特征；循环特征包括：循环次数、充电电压达到峰值的时间、放电电压达到峰值的时间、充电电流达到峰值的时间； 步骤2：基于支持向量机对循环特征进行回归分类，以生成初始的寿命区间； 步骤3：采集储能电池相邻若干次的原始弛豫特征，基于原始弛豫特征与历史弛豫特征的连续性因子，从若干次原始弛豫特征中筛选出与历史弛豫特征相关性最高的原始弛豫特征，从相关性最高的原始弛豫特征对应的V‑t曲线中抽取出稀疏特征集； 稀疏特征集包括脉冲因子、波形因子、峰值因子、小波能量比、小波能量熵、均方根值根； 步骤3包括如下步骤： 步骤31：采集储能电池相邻若干次的原始弛豫特征，原始弛豫特征包括VC、VD、ReVD、tVD、tReVD；其中，VC表示充电弛豫开始时刻的电压；VD表示弛豫初期的电压下降幅度；ReVD表示弛豫过程结束时的电压值；tVD表示电压下降达到预设幅度所需的时间；tReVD表示电压下降到接近ReVD所需的时间； 步骤32：将采集到的原始弛豫特征与储能电池的历史弛豫特征进行连续性分析，从若干次原始弛豫特征中筛选出与历史弛豫特征连续性最高的原始弛豫特征； 步骤33：从连续性最高的原始弛豫特征对应的V‑t曲线中抽取出稀疏特征集； 步骤32包括如下步骤： 步骤321：获取采集原始弛豫特征时储能电池计算得到的初始的寿命区间； 获取历史弛豫特征对应的初始的寿命区间； 步骤322：将历史弛豫特征VC按照时间顺序排列，生成VC序列； 将历史弛豫特征VD按照时间顺序排列，生成VD序列； 将历史弛豫特征ReVD按照时间顺序排列，生成ReVD序列； 将历史弛豫特征tVD按照时间顺序排列，生成tVD序列； 将历史弛豫特征tReVD按照时间顺序排列，生成tReVD序列； 将历史弛豫特征对应的初始的寿命区间按照时间顺序排列，生成寿命序列； 步骤323：在VC序列中依次增加相邻若干次的原始弛豫特征对应的VC，寿命序列添加该次原始弛豫特征对应的初始的寿命区间，将VC序列与寿命序列计算连续性系数得到；k表示原始弛豫特征的索引，表示第k次原始弛豫特征中的VC加入到VC序列中与寿命序列计算得到的连续性系数； 在VD序列中依次增加相邻若干次的原始弛豫特征对应的VD，寿命序列添加该次原始弛豫特征对应的初始的寿命区间，将VD序列与寿命序列计算连续性系数得到；k表示原始弛豫特征的索引，表示第k次原始弛豫特征中的VD加入到VD序列中与寿命序列计算得到的连续性系数； 在ReVD序列中依次增加相邻若干次的原始弛豫特征对应的ReVD，寿命序列添加该次原始弛豫特征对应的初始的寿命区间，将ReVD序列与寿命序列计算连续性系数得到；k表示原始弛豫特征的索引，表示第k次原始弛豫特征中的ReVD加入到ReVD序列中与寿命序列计算得到的连续性系数； 在tVD序列中依次增加相邻若干次的原始弛豫特征对应的tVD，寿命序列添加该次原始弛豫特征对应的初始的寿命区间，将tVD序列与寿命序列计算连续性系数得到；k表示原始弛豫特征的索引，表示第k次原始弛豫特征中的tVD加入到tVD序列中与寿命序列计算得到的连续性系数； 在tReVD序列中依次增加相邻若干次的原始弛豫特征对应的tReVD，寿命序列添加该次原始弛豫特征对应的初始的寿命区间，将tReVD序列与寿命序列计算连续性系数得到；k表示原始弛豫特征的索引，表示第k次原始弛豫特征中的tReVD加入到tReVD序列中与寿命序列计算得到的连续性系数； 步骤324：对于每个原始弛豫特征k计算连续性系数之和Rk； ； 步骤325：将连续性系数之和Rk最高的原始弛豫特征k作为与历史弛豫特征连续性最高的原始弛豫特征； 步骤4：对稀疏特征集进行特征展开得到三维信息； 步骤4包括如下步骤： 步骤41：获取稀疏特征集，将稀疏特征集中每个特征按照时间相互对齐，以将稀疏特征集展开为二维矩阵，二维矩阵中的行为稀疏特征集的种类，二维矩阵的列为时间； 步骤42：在二维矩阵中增加稀疏特征集的数据值，以形成第三个维度，以将二维矩阵转化为三维信息； 步骤43：将三维信息进行数据增强得到关键特征矩阵； 步骤5：将关键特征矩阵和初始的寿命区间输入至神经网络模型中，生成储能电池的精确寿命信息。

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南京华设智能电力科技有限公司，其通讯地址为：210000 江苏省南京市江北新区研创园团结路99号孵鹰大厦1198室；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。