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！

龙图腾网获悉重庆赛宝工业技术研究院有限公司;赛宝创新(重庆)科技有限公司申请的专利一种退役动力电池SOH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：CN119959770B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510117096.8，技术领域涉及：G01R31/367；该发明授权一种退役动力电池SOH预测方法是由周粤川;王晓冬;苏芯颐;雍聪;钟雨言臻;帅勇;廖婉仪;张哲菁设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种退役动力电池SOH预测方法在说明书摘要公布了：本申请提供一种退役动力电池SOH预测方法，包括：获取待测退役动力电池的EIS测试数据；对EIS测试数据进行数据处理和特征提取，得到输入特征；将输入特征输入至构建的退役动力电池SOH预测模型中，通过退役动力电池SOH预测模型预测出待测退役动力电池的最大容量值，以确定出待测退役动力电池的SOH。本方案可以解决当前退役动力电池SOH预测模型普遍存在的问题，在考虑预测精度、应用移植性的前提下，利用基于多频率EIS特征数据和算法组合自适应寻优功能的退役动力电池SOH预测技术，通过四个不同的阶段划分构建了层次丰富、分工明确的自适应处理流程，实现了对退役动力电池在任意SOC状态下EIS特征数据的高精度预测。

本发明授权一种退役动力电池SOH预测方法在权利要求书中公布了：1.一种退役动力电池SOH预测方法，其特征在于，包括： 获取待测退役动力电池的EIS测试数据； 对EIS测试数据进行数据处理和特征提取，得到输入特征； 将输入特征输入至构建的退役动力电池SOH预测模型中，通过退役动力电池SOH预测模型预测出待测退役动力电池的最大容量值，以确定出待测退役动力电池的SOH； 退役动力电池SOH预测模型的构建流程为： 获取N个退役电池样本的EIS数据构成的EIS数据集，其中，EIS数据集包含N个子表，每个子表的数据为M行、L列，M为样点数量p与测试次数q的乘积，L为4，分别指代频率、实部、虚部的相反数、退役电池样本在测试状态下的当前电量； 对EIS数据集中的N个子表进行一维特征对齐处理，得到初级特征数据，其中，初级特征数据为包含N×q行、2p+1列的总表数据； 对初级特征数据进行数据预处理，得到次级特征数据； 基于次级特征数据，对多种备选特征处理算法进行自适应寻优，确定出目标特征处理算法，以利用目标特征处理算法对次级特征数据进行特征处理，得到完备特征数据； 基于完备特征数据，对多种备选建模算法进行寻优，确定出目标建模算法，以利用目标建模算法进行建模，并利用完备特征数据进行模型训练和测试，构建出退役动力电池SOH预测模型； 基于次级特征数据，对多种备选特征处理算法进行自适应寻优，确定出目标特征处理算法，包括： 利用每种备选特征处理算法对所述次级特征数据进行特征提取，确定出每种备选特征处理算法对应的备选特征数据； 对每种备选特征处理算法对应的备选特征数据进行数据集构造，确定出每种备选特征处理算法对应的理论实验数据集和工程应用数据集； 基于每种备选特征处理算法、对应的工程应用数据集和每种备选建模算法，利用自适应特征寻优模块确定出目标特征处理算法，其中，自适应特征寻优模块基于贪心算法的思想，使用全局排序处理算法和特征优先处理算法集成处理备选特征处理算法； 基于完备特征数据，对多种备选建模算法进行寻优，确定出目标建模算法，包括： 将目标特征处理算法对应的理论实验数据集和工程应用数据集作为完备特征数据； 基于目标特征处理算法、完备特征数据、每种备选建模算法、算法参数空间、参数寻优方式，利用算法组合寻优模块确定出目标建模算法及相应的参数，其中，算法组合寻优模块在建模算法内部的超参数寻优过程将根据参数数量自适应选择网格搜索或随机搜索进行参数寻优。

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重庆赛宝工业技术研究院有限公司;赛宝创新(重庆)科技有限公司，其通讯地址为：401332 重庆市沙坪坝区西永微电园西园南街3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。