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！

龙图腾网获悉云储新能源科技有限公司申请的专利一种锂离子电池健康度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：CN120779255B 。

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：202511285912.2，技术领域涉及：G01R31/367；该发明授权一种锂离子电池健康度估计方法是由慈松;李超凡;倪明珠;李凯;李学峰;柏绪恒;王运方;张明设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种锂离子电池健康度估计方法在说明书摘要公布了：本发明属于新能源电力系统储能技术领域，具体涉及一种锂离子电池健康度估计方法。从充放电循环片段数据中提取反映电池老化的特征向量，构成特征矩阵，并对特征矩阵进行预处理；基于预处理后的特征矩阵进行重要特征筛选，得到重要特征矩阵；基于重要特征矩阵，运用Mogrifier‑LSTM，构建电池健康度估计模型，并对所述电池健康度估计模型进行训练，得到训练好的电池健康度估计模型；采用训练好的电池健康度估计模型进行电池健康度估计。本发明通过Mogrifier迭代重构，提升关键特征融合效率，提高多维信息利用率；三重LSTM+注意力机制降低复杂衰减模式拟合误差。

本发明授权一种锂离子电池健康度估计方法在权利要求书中公布了：1.一种锂离子电池健康度估计方法，其特征在于，包括以下步骤： 步骤100：从充放电循环片段数据中提取反映电池老化的特征向量，构成特征矩阵，并对特征矩阵进行预处理；基于预处理后的特征矩阵进行重要特征筛选，得到重要特征矩阵； 步骤200：基于重要特征矩阵，运用Mogrifier-LSTM，构建电池健康度估计模型，并对所述电池健康度估计模型进行训练，得到训练好的电池健康度估计模型； 基于重要特征矩阵，构建电池健康度估计模型，包括： 步骤210：基于重要特征矩阵，并结合初始隐藏状态矩阵在Mogrifier机制下的特征-状态交互与增强，得到最终的增强特征和优化状态； 通过预设轮次R的迭代式双向门控交互，对重要特征矩阵F与隐藏状态矩阵H进行非线性交叉重构： 对每一轮r，，执行以下操作： 偶数轮： ； 奇数轮： ； 上式中，表示特征门控矩阵，表示状态门控矩阵；表示随机初始化r为偶数时第r轮的权重矩阵，表示r为偶数时第r轮的偏置，表示r为奇数时第r轮的权重矩阵，表示r为奇数时第r轮的偏置，在训练中更新； 表示逐元素乘法；表示Sigmoid激活函数；表示增强特征；表示优化状态； 每一轮迭代后，更新增强特征和优化状态，经过R轮迭代，输出最终的增强特征和优化状态； 步骤220：基于最终的增强特征和优化状态，通过级联的三个LSTM神经网络层，逐层提取时序特征，聚合电池全局退化表征； 构建级联的三个LSTM神经网络层，第一LSTM神经网络层、第二LSTM神经网络层用于计算每个时间步的隐藏状态，并传递到下一层，第三LSTM神经网络层通过拼接前两层输出，输出第三LSTM神经网络层的隐藏状态矩阵，聚合电池全局退化表征； 步骤230：基于电池全局退化表征，采用注意力机制计算凝聚电池全生命周期退化过程的本质特征向量； 基于第三LSTM神经网络层输出的隐藏状态矩阵，采用注意力机制，计算凝聚电池全生命周期退化过程的本质特征向量c： ； 上式中，表示第三LSTM神经网络层输出的隐藏状态矩阵在时间步i的隐藏状态；是线性变化权重矩阵，由随机初始化得到，在训练过程中更新；为注意力权重向量同样由随机初始化得到并且在训练过程中更新； 步骤240：采用全连接层，通过线性变换将计算得到的特征向量，映射为电池健康度估计值； 步骤300：采用训练好的电池健康度估计模型进行电池健康度估计。

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云储新能源科技有限公司，其通讯地址为：264000 山东省烟台市芝罘区兴裕路27号4号楼1层；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。