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！

龙图腾网恭喜重庆理工大学申请的专利基于深度学习的不同老化路径储能电池健康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：CN115219937B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210861733.9，技术领域涉及：G01R31/392；该发明授权基于深度学习的不同老化路径储能电池健康状态估计方法是由汤爱华;蒋依汗;张志刚;伍心雨;黄渝坤设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本基于深度学习的不同老化路径储能电池健康状态估计方法在说明书摘要公布了：本发明具体涉及基于深度学习的不同老化路径储能电池健康状态估计方法，包括：获取储能电池不同工况下的电池充电电压数据，并输入电池健康估计模型中，输出对应工况下的电池健康状态估计值；电池健康估计模型基于深度神经网络构建并进行两次训练；第一次训练：通过某一工况下的电池老化实验数据训练电池健康估计模型；第二次训练：冻结预训练估计模型的核网络层参数并调用其模型参数；然后通过不同工况下的电池老化实验数据训练优化估计模型以调整其全连接输出层的参数，得到训练后的电池健康估计模型。本发明能够适用于多种工况下的电池健康状态估计且无需大规模的训练数据，进而能够降低估计模型的训练难度和成本、提高估计模型的适用范围。

本发明授权基于深度学习的不同老化路径储能电池健康状态估计方法在权利要求书中公布了：1.基于深度学习的不同老化路径储能电池健康状态估计方法，其特征在于，包括：S1：获取储能电池不同工况下的电池充电电压数据；S2：将储能电池对应工况下的电池充电电压数据输入训练后的电池健康估计模型中，输出对应工况下的电池健康状态估计值；电池健康估计模型基于深度神经网络构建，并进行两次训练；第一次训练：通过某一工况下的电池老化实验数据训练电池健康估计模型，得到预训练估计模型；第二次训练：冻结预训练估计模型的核网络层参数并调用其模型参数，得到优化估计模型；然后通过不同工况下的电池老化实验数据训练优化估计模型以调整其全连接输出层的参数，得到训练后的电池健康估计模型；步骤S2中，电池健康估计模型基于门循环神经网络构建，包括重置门和更新门；重置门表示为：rt＝σWr·[ht-1,xt]； 式中：rt表示重置门的输出；σ表示sigmoid激活函数；Wr表示重置门权重；ht-1表示t-1时刻的隐藏状态；W表示权重矩阵；xt表示t时刻的输入特征；x表示输入特征；表示输入特征候选隐层状态；更新门表示为：zt＝σWz·[ht-1,xt]； 式中：zt表示更新门的输出；Wz表示更新门权重；ht表示隐藏状态；ht-1表示t-1时刻的隐藏状态；xt表示t时刻的输入特征；表示输入特征候选隐层状态；第一次训练后，通过迁移学习的微调技术冻结预训练估计模型的核网络层参数并调用其模型参数，然后将预训练估计模型的输出连接到全连接层形成全连接输出层并通过如下公式对隐层神经元激活做线性变化，得到优化估计模型；最后对优化估计模型进行第二次训练；y＝aAT+b；ReLUy＝max0,y；式中：y表示全连接输出层的输出，即电池健康状态估计值；a表示神经元数；A表示权重；T表示转置符号；b表示偏差；ReLU表示线性修正单元；max表示取最大值；S3：将储能电池各个工况下的电池健康状态估计值作为其健康状态估计结果。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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”。