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！

龙图腾网获悉广东大唐国际潮州发电有限责任公司申请的专利蓄电池缺陷监测识别及寿命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：CN120742129B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511203172.3，技术领域涉及：G01R31/367；该发明授权蓄电池缺陷监测识别及寿命预测方法是由郑慧聪;兰建辉;张伟;汪兴;吴发宽;孔尚君;张泽锋;夏建光;黄春境;崔赋鑫设计研发完成，并于2025-08-27向国家知识产权局提交的专利申请。

本蓄电池缺陷监测识别及寿命预测方法在说明书摘要公布了：本发明提供蓄电池缺陷监测识别及寿命预测方法，涉及蓄电池参数分析技术领域，本发明根据实验室获取的状态数据集构建标准判断模型，根据标准判断模型在报废样本中的表现，将不同标签类型的错误率对决策树进行分类筛选并调整，形成优化判断模型，获取目标蓄电池的状态数据集输入优化判断模型获取缺陷类型，再输入标准判断模型，根据两个模型不同的表现获取寿命调整系数对寿命预测进行调整，本发明通过极板腐蚀和硫化缺陷在电参数表现上的区别构建判断模型，根据实际使用状况的电参数对模型进行优化，增加判别模型的鲁棒性和准确率，同时根据模型的表现为寿命判断提供指导。

本发明授权蓄电池缺陷监测识别及寿命预测方法在权利要求书中公布了：1.蓄电池缺陷监测识别及寿命预测方法，其特征在于，具体步骤包括： 步骤1：分别将极板腐蚀缺陷、硫化缺陷和正常的蓄电池在实验室中进行充放电实验，通过BMS等时间间隔获取蓄电池的状态数据集，设定滑动窗口长度并在状态数据集的时间顺序中获取样本，筛选出单一状态的样本，将样本打上标签并输入随机森林模型进行训练，获取标准判断模型； 步骤2：通过回收点获取极板腐蚀、硫化缺陷和正常的蓄电池，通过BMS获取状态数据集并且形成报废样本，将报废样本标注标签并输入标准判断模型中，分别获取每棵决策树针对不同标签类型的正确率，根据正确率阈值判断出正确率异常的决策树并筛选出错误决策树和异常决策树； 步骤3：将所有样本汇总形成样本总集，通过样本总集对所有的错误决策树和异常决策树进行重新训练，并将重新训练完成的决策树在标准判断模型中进行替换，并且在重新训练过程针对极板腐蚀和硫化缺陷设定优先调整条件，替换完成形成优化判断模型； 步骤4：通过目标蓄电池的BMS获取实际状态数据集，将实际状态数据集输入优化判断模型，获取本蓄电池的缺陷类型，同时获取优化判断模型中判断结果为正常的决策树的数量以及编号，将实际状态数据集输入标准判断模型，获取标准判断模型中判断结果为正常的决策树的编号，根据两个模型内部不同的表现构建寿命调整系数，以寿命调整系数对BMS的寿命判断进行调整； 设定滑动窗口长度，将滑动窗口长度在状态数据集的序列中进行随机滑动，选择滑动窗口内的子序列为样本，并对样本进行筛选，逻辑如下： 保留单一状态下的样本，单一状态时，开路电压、放电电压和充电电压三种数据类型中仅有一种类型有读数，只有内阻和其中一种电压数据有读数、另外两个电压数据为0的状态数据集为单一状态下的样本，非单一状态下的样本进行剔除； 为每个样本打上标签并且标签为产生本样本的蓄电池的种类，分别为极板腐蚀、硫化缺陷和正常，并将标签进行独热编码对样本进行标注，将所有样本内的数据按照类型进行归一化，并将所有样本按照8:2的比例划分为训练集与验证集，将训练集输入随机森林模型进行训练，设定随机森林模型的棵决策树为100，最大深度为10，最小样本分割数为5，从训练集中随机抽取70%的样本，随机选择特征作为单棵决策树的节点，并以信息增益最大化为原则确定本节点的特征，分别完成每棵决策树的训练，将验证集输入训练好的随机森林模型，当正确率超过90%认定随机森林模型构建完成，并将此时的随机森林模型标定为标准判断模型； 分别设定优先调整条件，所述极板腐蚀调整的优先条件为内阻和内阻变化率，所述硫化缺陷调整的优先条件为开路电压和开路电压变化率； 将报废样本与训练标准判断模型时的样本进行汇总，形成样本总集，将错误决策树和正常判断异常决策树在样本总集中进行重新训练，当所有的错误决策树和正常判断异常决策树的正确率超过90%时，将重新训练完成的决策树与原标准判断模型中的错误决策树和正常判断异常决策树进行替换； 分别对腐蚀异常决策树和硫化异常决策树进行调整，逻辑如下： 将样本总集输入需要调整的决策树进行识别，样本总集中的每个元素在每个节点得到信息增益，获取样本总集所有元素在该节点的信息增益平均值，获取训练标准判断模型时验证集在该点的信息增益的平均值，获取信息增益差，所依据公式如下： ； 其中，表示第个需要调整的决策树中第个节点的信息增益差，表示第个需要调整的决策树中第个节点根据验证集获取的信息增益的平均值，表示第个需要调整的决策树中第个节点根据样本总集获取的信息增益的平均值，为本类型需要调整的决策树检索变量，，，为决策树中节点检索变量，，，为决策树中节点的总数量； 设定信息增益差阈值，将信息增益差小于等于信息增益差阈值的节点的调整方式确定为修改分割点，所述修改分割点方式为使用样本总集进行训练，以信息增益最大化的数值为分割点； 将信息增益差大于信息增益差阈值的节点的调整方式确定为替换特征，并且替换特征优先替换为本决策树类型的优先替换条件，而后进行决策树的分割点确定，当本棵决策树在本类型的正确率超过90%时判定本决策树调整完成并在标准判断模型中进行替换，否则在样本总集中重新训练本决策树，直至正确率超过90%； 将调整后的标准判断模型标定为优化判断模型。

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广东大唐国际潮州发电有限责任公司，其通讯地址为：521000 广东省潮州市湘桥区桥东街道东山路一横西南侧大唐公寓B幢仿真机综合楼202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。