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！

龙图腾网获悉合肥工业大学申请的专利石墨烯超级电容器的荷电状态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：CN120275742B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510367675.8，技术领域涉及：G01R31/00；该发明授权石墨烯超级电容器的荷电状态估计方法是由何云瀚;徐韵;纪肖雄;赵志康设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本石墨烯超级电容器的荷电状态估计方法在说明书摘要公布了：本发明提供一种石墨烯超级电容器的荷电状态估计方法，涉及电池检测技术领域。本发明中，在动态工况下设计混合等效电路模型，并引入自适应遗忘因子递推最小二乘法AFFRLS估计等效电路参数，以获取GCS的每一时刻的极化电容以及双电层等效电容的估计值；分别拟合极化电容以及双电层等效电容的估计值与相应时刻的荷电状态之间的关系；基于原始数据集，并结合求得的拟合关系，训练多模态时序增强型深度神经网络模型，以用于GSC电池的荷电状态估计。通过构建高精度的动态等效电路模型与多模态时序增强型深度神经网络模型相结合的SOC估计算法，实现在动态环境下SOC的高精度、实时与鲁棒性估计，提升GSC电池在复杂动态环境下的应用性能和使用寿命。

本发明授权石墨烯超级电容器的荷电状态估计方法在权利要求书中公布了：1.一种石墨烯超级电容器的荷电状态估计方法，其特征在于，包括： 获取并预处理石墨烯超级电容器GCS的动态信号，所述动态信号至少包括电压、电流、温度以及荷电状态的时间序列； 基于电压以及电流的时间序列，在动态工况下设计混合等效电路模型，并引入自适应遗忘因子递推最小二乘法AFFRLS估计等效电路参数，以获取所述石墨烯超级电容器GCS的每一时刻的极化电容以及双电层等效电容的估计值； 分别拟合所述极化电容以及所述双电层等效电容的估计值与相应时刻的荷电状态之间的关系； 将电压、电流以及温度的时间序列作为原始数据集，并结合所述极化电容估计值以及所述双电层等效电容估计值与相应时刻的荷电状态之间的拟合关系，训练多模态时序增强型深度神经网络模型； 利用训练好的模型估计未来时刻所述石墨烯超级电容器GCS的荷电状态； 其中，所述多模态时序增强型深度神经网络模型依次包括输入层，数据增强及预处理层，时序增强层，特征提取层，自注意力层，隐藏层以及输出层； 所述输入层用于接收原始数据集并传递至所述数据增强及预处理层；其中Ut，It，Tt分别表示t时刻的电压，电流以及温度，表示实数集合； 所述数据增强及预处理层用于将原始数据集Xraw进行数据增强，并进行异常值剔除与归一化处理得到规范化数据其中所述数据增强包括启用高斯噪声注入，电流偏移扰动以及温度偏移扰动中的任一项或者几项的组合； 所述时序增强层用于通过双向长短期记忆网络Bi-LSTM处理规范化数据Xnorm，捕捉电压、电流、温度序列的长期时序依赖关系，得到时序特征序列 所述特征提取层用于对时序特征序列H应用滑动窗口机制，并对每个窗口计算统计特征，得到特征矩阵 所述自注意力层包括时间注意力模块和空间注意力模块； 所述时间注意力模块用于将特征矩阵F线性映射为时间维度的查询、键和值矩阵，计算第一注意力权重得到单头输出，并进行多头融合得到时间注意力 所述空间注意力模块将特征矩阵F线性映射为空间维度的查询、键和值矩阵，计算第二注意力权重得到单头输出，并进行多头融合得到空间注意力 所述隐藏层用于接受自注意力层输出的加权特征矩阵通过若干层全连接神经网络进行非线性映射，进一步提取特征的高阶表示 所述输出层用于通过全连接层对输入特征矩阵Hhidden从M×8维特征映射至M×1维生成窗口级SOC预测值并将所述窗口级SOC预测值拓展至N个时间点，以获取每一时刻的SOC预测值。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。