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！

龙图腾网恭喜浙江大有实业有限公司杭州科技发展分公司;国网浙江省电力有限公司杭州供电公司申请的专利一种基于RVM与PF算法融合的电池剩余使用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：CN112816874B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202011503315.X，技术领域涉及：G01R31/367；该发明授权一种基于RVM与PF算法融合的电池剩余使用寿命预测方法是由郑伟彦;吴靖;陈佩军;金明;蒋燕萍;徐良荣;王志明设计研发完成，并于2020-12-18向国家知识产权局提交的专利申请。

本一种基于RVM与PF算法融合的电池剩余使用寿命预测方法在说明书摘要公布了：本发明公开了一种基于RVM与PF算法融合的电池剩余使用寿命预测方法，包括：对电池数据集进行数据提取及预处理；利用相关向量机算法提取电池数据集的相关向量，拟合出电池容量退化趋势函数，构建状态空间模型，得到观测方程和状态方程；利用粒子滤波算法对模型的相关参数进行修正，得到电池剩余容量预测模型；对预测起始点之后的电池容量进行预测；判断电池容量是否达到电池失效阈值，若达到阈值，则记录此时的电池循环周期数，对电池剩余使用寿命进行预测。本发明利用相关向量机提取电池容量退化趋势得到趋势函数，不依赖电池经验模型，提高了锂离子电池剩余使用寿命预测的精度及其长期预测能力。

本发明授权一种基于RVM与PF算法融合的电池剩余使用寿命预测方法在权利要求书中公布了：1.一种基于RVM与PF算法融合的电池剩余使用寿命预测方法，其特征在于，包括：S1：选取电池数据集，提取两组电池容量退化数据Q_train和Q_test；S2：初始化相关向量机参数，利用相关向量机对电池容量退化数据进行训练，利用迭代估计法计算相关参数；S3：提取电池容量退化数据中的相关向量；S4：利用相关向量拟合电池容量退化趋势，并得到状态空间模型的状态方程和观测方程；S5：初始化粒子滤波算法的相关参数，初始化粒子集；S6：将k-1时刻的粒子分布xk-1，代入状态转移方程，得到k时刻预测的粒子分布预测粒子代入观测方程得到预测值，将预测值与实际观测值进行比较来对所有的粒子进行评价，得出每个粒子的权重，根据粒子权重的大小进行重要性重采样，得到k时刻状态变量的真实分布xk，将真实分布xk带入到状态转移方程中，进行下一轮滤波；S7：当粒子滤波循环到达预测起始点时，迭代结束，对预测起始点之后的电池容量进行预测；S8：判断电池容量是否达到电池寿命结束的阈值，若达到阈值，则记录此时的电池充放电循环周期数，并计算剩余使用寿命；所述初始化相关向量机参数包括：给定训练数据集相关向量机表达如下：y＝Φ·ω+ε；其中：ω＝ω0,…,ωNT为相关向量机的权值；Φ＝[φ1,φ2,…,φN]T为核函数矩阵；φixi＝[1,Kxi,x1,…,Kxi,xN],i＝1,2,…,N；Kxi,xj为核函数： η为核参数；α＝{α0,α1,…,αN}为超参数，与权值ω一一对应；σ2为噪声方差；所述利用相关向量机对电池容量退化数据进行训练包括：计算权值ω的协方差Σ和均值μ：Σ＝σ-2ΦTΦ+A-1，μ＝σ-2ΣΦTyT；其中：A＝diag{α0,α1,…,αN}；使用迭代估计法进行计算，得到新的超参数α和噪声方差σ2，其更新过程如下： 其中γi＝1-αiΣii；重复以上计算过程，直到迭代次数达到最大值或输出结果梯度小于收敛条件；所述得到状态空间模型的状态方程和观测方程包括：利用趋势函数构建系统的状态空间模型，得到状态方程和观测方程：状态方程为： 观测方程为：Q1k＝rvm_capa[ak*k+bk]+vk。

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浙江大有实业有限公司杭州科技发展分公司;国网浙江省电力有限公司杭州供电公司，其通讯地址为：310000 浙江省杭州市滨江区西兴街道庙后王路263号1号楼5楼；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”。