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！

龙图腾网获悉电子科技大学申请的专利基于深度学习的磷酸铁锂电池SOC估计方法与系统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：CN120742131B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511243837.3，技术领域涉及：G01R31/367；该发明授权基于深度学习的磷酸铁锂电池SOC估计方法与系统是由闫裔超;陈东江;雷天宇;陈伟;胡音设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本基于深度学习的磷酸铁锂电池SOC估计方法与系统在说明书摘要公布了：本发明提供一种基于深度学习的磷酸铁锂电池SOC估计方法与系统，属于电池管理技术领域。本发明融合电压、电流及温度信息，通过时序感知调制门和跨模态注意力融合生成平台区判别特征；进而结合温度补偿系数修正安时积分误差，最后基于平台区稳定性校验机制实现自适应输出切换；该流程通过态补偿和逻辑判决的串行协同，将传统方法中分离的检测与修正步骤整合为闭环反馈系统，显著抑制了平台区工况下的误差累积；同时提出了逐级递进的SOC多次修正机制，并设计了平台区状态稳定性校验机制，提升了SOC估计的准确性，实现了平台区状态的高可靠性识别与SOC值的稳定输出。

本发明授权基于深度学习的磷酸铁锂电池SOC估计方法与系统在权利要求书中公布了：1.基于深度学习的磷酸铁锂电池SOC估计方法，其特征在于，包括以下步骤： S1：采集磷酸铁锂电池放电全周期的电压、电流和温度，并进行预处理，得到预处理后的电压时序数据、预处理后的电流时序数据与预处理后的温度时序数据； S2：基于S1得到的预处理后的电压时序数据、预处理后的电流时序数据与预处理后的温度时序数据提取电压特征、电流特征与温度特征，并计算三模态融合特征，并输出平台区边界概率，具体过程为： S21：根据预处理后的电压时序数据与预处理后的电流时序数据，通过空洞卷积与双向长短时记忆网络提取电压特征，通过一维卷积与移动平均滤波提取电流特征，计算方式为： ， ， 其中，为电压特征，为拼接操作，为空洞卷积，为预处理后的电压时序数据，为双向长短时记忆网络，为电流特征，为预处理后的电流时序数据，为一维卷积，为移动平均滤波； S22：根据预处理后的温度时序数据，结合时序卷积网络，提取温度特征，计算方式为： ， ， ， 其中，为温度趋势分量，为预处理后的温度时序数据，为温度残差分量，为温度特征，为时序卷积网络； S23：根据电压特征、电流特征与温度特征，通过调制门权重与交叉注意力权重计算，得到三模态融合特征，计算方式为： 其中，为调制门权重，为调制门权重矩阵，为电压电流融合特征，为哈达玛积，为温度对电压电流融合特征的交叉注意力权重，为softmax函数，为三模态融合特征； S24：根据三模态融合特征，通过时序卷积网络输出平台区边界概率，计算方式为： ， 其中，为平台区边界概率； S3：根据温度特征与预处理后的电流时序数据、平台区边界概率，计算一次修正后的SOC值与温度补偿系数，再计算二次修正后的SOC值； S4：根据三模态融合特征与温度补偿系数，计算模态选择权重、平台区融合特征与平台区SOC修正量； S5：根据平台区边界概率、二次修正后的SOC值与平台区SOC修正量，计算平台区标志符与三次修正后的SOC值，再校验平台区状态稳定性，计算得到最终SOC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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。