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！

龙图腾网获悉国网四川省电力公司电力科学研究院;西南科技大学;绵阳市产品质量监督检验所申请的专利基于局部加权回归的电池荷电状态估算方法及设备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：CN119199557B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411558352.9，技术领域涉及：G01R31/367；该发明授权基于局部加权回归的电池荷电状态估算方法及设备是由陈少卿;王顺利;邹沅汝;李富祥;张泰;罗东辉;乔云池;黄长久;蒋容;王晓芳;刘凡;曹文;谢泓丘;于春梅;高正清;海南;靳玉红设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于局部加权回归的电池荷电状态估算方法及设备在说明书摘要公布了：本发明公开了基于局部加权回归的电池荷电状态估算方法及设备，使用局部加权回归平滑电流和电压作为神经网络训练扩展输入，增强了数据与锂离子电池实际SOC值之间的隐含联系，提高模型的预测能力，有效减少SOC输出波动；提出了具有多层自注意力机制的分组卷积神经网络预测模型，有效减少模型参数量与运算量，同时更好地捕捉局部特征信息；引入多层自注意力机制，使得网络能够在不同位置之间动态地建立关联，从而更好地捕捉电压电流序列内部的长距离依赖关系，同时具有很好的灵活性和可解释性，非常适用于电池SOC估计建模任务；引入比例积分和微分搜索算法进行超参数寻优，不断迭代寻优得到网络最优参数。

本发明授权基于局部加权回归的电池荷电状态估算方法及设备在权利要求书中公布了：1.基于局部加权回归的电池荷电状态估算方法，其特征在于，包括如下步骤： 获取电池的原始电流电压，采用局部加权回归算法对所述原始电流电压进行平滑处理，得到平滑电流电压； 将所述原始电流电压与所述平滑电流电压合并成扩展数据输入至增强卷积混合神经网络中进行回归预测，得到SOC预测值；其中，所述增强卷积混合神经网络对所述扩展数据依次进行普通卷积和分组卷积操作，生成特征图； 基于多层自注意力机制对所述特征图进行处理，将处理后的特征图链接到全连接层上进行非线性组合，得到SOC预测值； 其中，所述增强卷积混合神经网络通过基于PID算法的搜索算法进行超参数调整，超参数调整过程包括如下步骤： 初始化种群： xij＝uj‑lj·round1,i＝1,2,...,n；j＝1,2,...,d其中，xij表示第i个种群个体的第j个超参数，uj为第j个超参数的上限，lj为第j个超参数的下限，round1为0到1之间的随机数； 将第t次迭代时种群历史最小值所对应的个体作为最佳个体x*t计算系统偏差： 其中，ek表示第k次迭代的总体偏差，ek‑1表示第k‑1次迭代的总体偏差； 模拟PID算法中对所述系统偏差进行调整，并更新所述种群：其中，调整公式如下： Δut＝Kp·r1·[ekt‑ek‑1t]+Ki·r2·ekt+Kd·r3·[ekt‑2ek‑1t+ek‑2t]其中，Kp,Ki,Kd分别为比例因子，积分因子和微分因子的调整系数，r1,r2,r3为n行1列值为0到1之间的随机数向量； 所述PID算法中引入零输入的条件因子，其中，所述零输入的条件因子如下式所示： ot＝cos1‑tT+λr4·L·ektλ＝[lnT‑t+2lnT]2其中，ot为零输入的条件因子，r4为n行1列值为0到1之间的随机数向量，λ为调节系数，T为采样周期，t为离散自变量，L为Levy飞行函数。

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四川省电力公司电力科学研究院;西南科技大学;绵阳市产品质量监督检验所，其通讯地址为：610041 四川省成都市高新区锦晖西二街16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。