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！

龙图腾网获悉首都师范大学申请的专利一种考虑因果性特征的锂离子电池退化与容量预测模型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：CN114578234B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202210276095.4，技术领域涉及：G01R31/367；该发明授权一种考虑因果性特征的锂离子电池退化与容量预测模型是由田毅;吴立锋;贺加贝设计研发完成，并于2022-03-21向国家知识产权局提交的专利申请。

本一种考虑因果性特征的锂离子电池退化与容量预测模型在说明书摘要公布了：本发明提出一种考虑因果性特征的锂离子电池退化与容量预测模型，提取并筛选因果性特征，并使用因果性特征作为模型的输入预测电池的可用容量，来增强模型在预测和特征角度的可解释性，提高容量的预测精度。具体为：1针对其他神经网络模型对输入参数与输出之间的因果关系解释不充分的问题，提出考虑因果特征来预测容量，提高了模型的可解释性。2提出采用脉冲响应分析法分析特征对容量衰减的影响，并结合电池老化机理分析，明确了所选特征对容量衰减的确切影响和作用机理，提高了特征的可解释性。3以因果特征为输入，构建了基于长短时记忆LSTM网络的容量预测模型，与使用原始特征的预测结果和其他方法的预测结果相比，实现了对容量更准确的预测。

本发明授权一种考虑因果性特征的锂离子电池退化与容量预测模型在权利要求书中公布了：1.一种考虑因果性特征的锂离子电池退化与容量预测模型，其特征在于，具体步骤如下： S1.提取初始特征： 首先，通过检测设备得到的电池每个充放电循环过程中的电压、电流、温度和时间数据，记为V、I、T、t；然后对于初始数据进行初步的数据处理，构建电池所有循环的初始特征； S2.电池特征筛选模型： 基于VAR模型和格兰杰因果关系GC检验构建特征筛选系统，对S1中所构建的电池的所有初始特征进行筛选； S3.电池特征因果性分析模型： 根据S2得到因果性特征筛选结果，基于VAR系统和系统脉冲响应函数IRF构建电池特征因果性分析系统，分析所筛选的特征对于电池容量的影响，即这些特征在电池容量退化过程中的具体影响和作用机理，进一步验证挑选的电池容量退化的因果性特征； S4.电池容量的估计； 其中，在步骤S2中，进一步包括步骤如下： S2.1：设所有初始特征F1-F8和容量都为内生变量，构建多元VARp系统进行格兰杰因果关系检验，其中，p代表VAR模型阶数，模型如下式所示： Yt＝Bt+α1Yt-1+α2Yt-2+…+αpYt-p+et； 其中Yt-p代表变量Yt在t-p时刻的滞后值；yi,t分别代表t时刻的8个特征F1-F8与容量数据；通过使用容量自身的滞后值以及初始特征的滞后值来对电池容量进行回归分析，因此用来分析解释变量与目标变量之间的影响关系，对于特征进行初步筛选；Bt、et代表的t时刻VAR模型的常数项参数与误差项参数； S2.2：以容量为目标变量，进行格兰杰因果关系检验，对假设的健康因子与容量之间的因果关系进行分析验证；GC评估了一个变量的过去值如何导致另一个变量；特征F1与容量存在着格兰杰因果关系当且仅当： fy9，t|y9，t-k，y1，t-l≠fy9，t|y9，t-k 根据S2.1中的模型公式来看，特征F1与容量其具有格兰杰因果性的原假设为： H0:α19,1＝α19,2＝…＝α19,p＝0 H1:至少有一个α19,i不为0 如果不拒绝原假设，则y1,t对于y9,t不具有格兰杰因果性，即特征F1对于电池容量数据不具有预测能力；反之如果拒绝原假设，则y1,t对于y9,t具有格兰杰因果性，即特征F1对于电池容量数据具有预测能力；上述假设检验用卡方检验完成，检验统计量渐近服从χ2p； S2.3：改变阶数p，重新构造VAR模型，重复步骤S2.1-2.2，完成对单块电池的单个特征F1所有检验过程； S2.4：使用单块电池的其他特征F2-F8作为解释变量，重复步骤S2.2-2.3，直至此电池的所有特征检验完成； S2.5：重复步骤S2.2-2.4，直至所有电池的所有特征检验完成； S2.6：综合所有检测结果进行筛选，得到因果性特征的筛选结果；对多块电池的所有特征进行多次GC检验，从而排除了单次检验结果和单块电池结果的随机性，增加了特征挑选结果的说服力，使特征挑选结果更具有客观性； 在步骤S3中，进一步包括步骤如下： S3.1：根据特征的初步筛选结果并结合S2中检验结果，重构多个多变量VAR系统，每个系统都用来分析电池因果特征对于电池容量退化的影响关系； S3.2：在进行脉冲响应分析特征因果性之前，需要对所构建的VAR模型进行稳定性检验；检验方法如下： 通过S2.1中的多元VARp模型公式得到，若令p＝t,t-1,…,t-k+1,则得到k个多元VAR模型；若以分块矩阵形式表示，即若令： 则将k个VARp模型通过友矩阵变化写为VAR1，也即： Zt＝C+φZt-1+θt 这个模型为电池的特征因果性分析模型；Yt代表t时刻的8个特征F1-F8与容量数据，Yt-p则代表变量Yt在t-p时刻的滞后值，αj则代表第j个VARp模型的权重参数矩阵，j＝1,2,...,k,E代表单位矩阵；那么，在所构建的VAR1中，C和θt分别代表分析模型的常数项参数矩阵和误差项参数矩阵，Zt与Zt-1则代表所选电池因果性特征和容量构造矩阵的当前值和滞后值； 对于当前所构建的这个集成的多元VAR模型来说，模型稳定的条件即总的权重参数矩阵的全部特征值全在单位圆以内，即特征方程的全部根在单位圆之内；如果不稳定，则改变模型阶数，重构VAR系统；若模型稳定则进行脉冲响应分析，分析因果特征对于电池容量衰减的具体影响； S3.3：通过S3.2中所构建的电池特征因果性分析系统VAR1的脉冲响应函数，分析模型中每个因果特征对于容量的具体影响；脉冲响应函数描述的是在随机误差项上施加一个标准差大小的冲击后对于内生变量当前值和未来值所带来的影响，因此用来分析某个时间序列变量在时序上对于另一个时间序列变量的影响关系；首先由VAR1得到： 令得到： Zt+r＝θt+r+ψ1θt+r-1+ψ2θt+r-2+...+ψrθt+... 则有： 其中，Zt与Zt+r则代表电池因果性特征和容量矩阵的在t和t+r时刻的值，θ代表模型的误差项参数矩阵；E代表单位矩阵，L和代表模型变换和计算过程中的参数矩阵；Ψr代表整个电池特征因果性分析系统模型的脉冲响应函数，其中第i行j列的元素看为滞后期数r的函数，此元素表示令其他误差项在任何时期都不变的条件下，当第j个变量yj,t的误差项et在t时刻收到一个单位的冲击后，对于第i个内生变量yi,t在t+r期造成的影响；以电池容量为目标变量，通过电池因果性分析系统的IRF获取容量对于所选因果性特征的脉冲响应结果； S3.4：结合锂离子电池内部容量退化的机理解释脉冲响应分析的结果，进一步增强特征的可解释性。

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首都师范大学，其通讯地址为：100048 北京市海淀区西三环北路56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。