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！

龙图腾网恭喜杭州科工电子科技股份有限公司申请的专利一种电池剩余寿命预测方法、装置、设备及介质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：CN119224598B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202411755075.0，技术领域涉及：G01R31/367；该发明授权一种电池剩余寿命预测方法、装置、设备及介质是由刘爱华;赵广洋;王荣强;宋欣民设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种电池剩余寿命预测方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种电池剩余寿命预测方法、装置、设备及介质，涉及新能源技术领域，该方法包括：获取待检测锂电池的充放电循环数据，并对充放电循环数据进行预处理，提取充放电循环数据中的容量序列特征；将容量序列特征输入至训练好的电池剩余寿命预测模型中，得到由电池剩余寿命预测模型输出的之后每一次充放电循环后的待检测锂电池的剩余电池容量；确定待检测锂电池的剩余电池容量到达预设容量时所需的充放电循环次数；根据充放电循环次数以及当前次充放电循环对应的充放电循环次数，确定当前充放电循环的剩余电池循环寿命。本发明有效增强数据关键特征信息，使得电池剩余寿命预测模型对于电池剩余循环寿命的预测具有鲁棒性和更高的预测精度。

本发明授权一种电池剩余寿命预测方法、装置、设备及介质在权利要求书中公布了：1.一种电池剩余寿命预测方法，其特征在于，所述方法包括：获取待检测锂电池的充放电循环数据，并对充放电循环数据进行预处理，提取充放电循环数据中的容量序列特征；将容量序列特征输入至训练好的电池剩余寿命预测模型中，得到由电池剩余寿命预测模型输出的之后每一次充放电循环后的待检测锂电池的剩余电池容量；所述电池剩余寿命预测模型是通过样本锂电池的样本充放电循环数据训练得到的，电池剩余寿命预测模型包括经过列文伯格-马夸尔特法算法以及粒子群调整算法进行衰减参数调整后的双高斯模型以及多层感知器；双高斯模型用于对长期趋势序列的退化过程进行预测，得到待检测锂电池后续充放电循环的长期退化趋势，多层感知器用于对容量序列特征的波动进行预测，得到待检测锂电池后续充放电循环的波动序列，剩余电池容量是结合长期退化趋势以及波动序列后得到的；长期趋势序列是对容量序列特征进行变分模态分解后得到的，容量序列特征的波动是对容量序列特征进行变分模态分解后得到的；根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本充放电循环的电池容量的比值，确定待检测锂电池的剩余电池容量到达预设容量时所需的充放电循环次数；根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放电循环对应的充放电循环次数，确定当前充放电循环的剩余电池循环寿命；所述电池剩余寿命预测模型通过以下步骤训练得到：获取样本锂电池的样本充放电循环数据，并对样本充放电循环数据进行预处理，提取样本充放电循环数据中的样本容量序列特征；将样本容量序列特征分解为预设数量的具有不同中心频率和有限带宽的样本本征模态；将样本本征模态中的样本长期趋势序列作为训练使用的输入数据，并通过列文伯格-马夸尔特法算法以及粒子群调整算法调整双高斯模型的衰减参数，对双高斯模型进行训练；将样本本征模态中的样本波动作为训练使用的输入数据，通过向前传播的方式逐层提取特征以及通过梯度下降法进行逐层迭代，对多层感知器进行训练；所述粒子群调整算法训练双高斯模型的衰减参数的过程为：对经过所述列文伯格-马夸尔特法算法调整后的衰减参数添加预设扰动，初始化为粒子的初始位置和速度，得到每个粒子的初始位置和初始速度；确定算法参数；所述算法参数包括惯性参数、第一学习因子、第二学习因子和第二迭代次数；根据预设的适应度函数确定每个粒子的适应度值，并根据适应度值更新每个粒子的个体最优位置和群体最优位置，直至达到第二迭代次数或者粒子的适应度值小于预设残差和。

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杭州科工电子科技股份有限公司，其通讯地址为：310030 浙江省杭州市西湖区三墩镇西园九路6号5幢5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”。