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！

龙图腾网获悉河南科技学院;众新储能(天津)科技有限公司申请的专利面向储能场景的准固态电池SOH-SOC联合估计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：CN119986407B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510473000.1，技术领域涉及：G01R31/367；该发明授权面向储能场景的准固态电池SOH-SOC联合估计方法是由范玉千;杨涛;王林冰;李向南;李述中;李梦泽;王卫林设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本面向储能场景的准固态电池SOH-SOC联合估计方法在说明书摘要公布了：面向储能场景的准固态电池SOH‑SOC联合估计方法，获取准固态电池数据集，准固态电池数据集包括全部电压数据集与特定电压数据集；建立SOH‑SOC联合估计模型；将特定电压数据集送入充电编码器，并获得充电编码数据；将充电编码数据送入SOH编码器，并获得特定SOH解码数据；将特定SOH解码数据和全部电压数据集送入SOH编码器，获得全部SOH编码数据；将全部SOH编码数据和充电编码数据送入SOC解码器，获得SOC解码数据；将特定SOH解码数据和SOC解码数据分别作为电池健康状态与电池荷电状态的估算值；利用双向跳跃TCN‑BiGRU有效减少数据冗余输入，实现使用一个模型解决准固态电池数据SOH‑SOC联合估计问题。

本发明授权面向储能场景的准固态电池SOH-SOC联合估计方法在权利要求书中公布了：1.面向储能场景的准固态电池SOH-SOC联合估计方法，其特征在于：包括以下步骤： 步骤1：获取准固态电池数据集，准固态电池数据集包括全部电压数据集与特定电压数据集； 步骤2：建立SOH-SOC联合估计模型，SOH-SOC联合估计模型包括充电编码器、SOH编码器、SOH解码器、SOC解码器；其中，充电编码器包括一维卷积模块、双向跳跃TCN-BiGRU网络模块、全连接层和密集层，双向跳跃TCN-BiGRU网络模块包括正向时序卷积网络、反向时序卷积网络、全连接层和双向门控循环单元，正向时序卷积网络采用膨胀因果卷积，按时间顺序处理局部特征数据，确保时间依赖性符合因果关系；反向时序卷积网络将局部特征数据沿时间轴翻转后，再进行膨胀因果卷积，以捕捉逆向时间信息；正向时序卷积网络和反向时序卷积网络两者的输出一支路均经全连接层送入双向门控循环单元，两者的输出另一支路分别经两个跳跃连接送入双向门控循环单元，并在符合跳跃连接条件时，将正向时序卷积网络和反向时序卷积网络两者的输出直接经跳跃连接送入双向门控循环单元；SOH编码器包括高斯噪声层、填充层和密集层，该密集层用于处理细粒度的特征关系，将SOH编码数据进行非线性变换后作为SOC解码器的一部分输入；SOH解码器和SOC解码器均包括密集层，SOH解码层的密集层用于提取电池老化相关的长期退化特征，捕捉低频、缓变的全局趋势，对充电编码数据进行非线性变换后得到SOH解码数据；SOC解码器的密集层用于提取电池状态的动态瞬时特征，处理高频、快速变化的局部信号，对输入进行非线性变换后得到SOC解码数据； 步骤3：将特定电压数据集送入充电编码器，并获得充电编码数据； 步骤3具体包括以下步骤： 步骤3.1：特定电压数据集经1D-CNN层转换后得到局部特征数据； 步骤3.2：局部特征数据经双向跳跃TCN-BiGRU网络模块后得到模型数据； 步骤3.3：模型数据依次经全连接层和密集层后得到充电编码数据； 步骤4：将充电编码数据送入SOH编码器，并获得特定SOH解码数据； 步骤5：将特定SOH解码数据和全部电压数据集送入SOH编码器，获得全部SOH编码数据； 步骤6：将全部SOH编码数据和充电编码数据送入SOC解码器，获得SOC解码数据； 步骤7：将特定SOH解码数据和SOC解码数据分别作为电池健康状态与电池荷电状态的估算值。

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河南科技学院;众新储能(天津)科技有限公司，其通讯地址为：453000 河南省新乡市红旗区五一路东段；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”。