買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江浙能電力股份有限公司蕭山發(fā)電廠;浙江大學(xué)申請的專利一種儲能電池堆退化全壽命自適應(yīng)健康感知方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119691525B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510186850.3，技術(shù)領(lǐng)域涉及：G06F18/24；該發(fā)明授權(quán)一種儲能電池堆退化全壽命自適應(yīng)健康感知方法是由沈建明;湯碧君;孫飛;孫浩權(quán);周齊輝;趙春暉;楊佳陽;郟振崴設(shè)計(jì)研發(fā)完成，并于2025-02-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種儲能電池堆退化全壽命自適應(yīng)健康感知方法在說明書摘要公布了：本發(fā)明公開了一種儲能電池堆退化全壽命自適應(yīng)健康感知方法，該方法首先通過特征融合和循環(huán)窗口構(gòu)建，構(gòu)建規(guī)范化分析的循環(huán)窗口，結(jié)合雙尺度非平穩(wěn)退化分析架構(gòu)，再通過設(shè)計(jì)的退化成分解耦算法進(jìn)行解耦表征，將輸入信號分解為在退化過程中不變的固有特征和在退化過程中明顯變化的漂移特征，通過所提取的退化解耦表征信息區(qū)分真實(shí)異常和正常退化現(xiàn)象，進(jìn)而實(shí)現(xiàn)了具有退化感知能力的鋰電池堆全生命周期的自適應(yīng)監(jiān)測方案。本發(fā)明首次建立了退化解耦表征與全生命周期下的自適應(yīng)健康感知方案，通過識別老化行為，對退化和真實(shí)異常進(jìn)行細(xì)致解耦，進(jìn)而有效提高了故障檢出率，降低了誤報(bào)率，為儲能電池堆的精細(xì)健康管理與安全運(yùn)行提供了實(shí)用支持。

本發(fā)明授權(quán)一種儲能電池堆退化全壽命自適應(yīng)健康感知方法在權(quán)利要求書中公布了：1.一種儲能電池堆退化全壽命自適應(yīng)健康感知方法，其特征在于，包括以下步驟：1獲取儲能電池堆歷史運(yùn)行的全生命周期的原始離線數(shù)據(jù)，并對正常狀態(tài)時(shí)的原始離線數(shù)據(jù)進(jìn)行集群特征融合和循環(huán)窗口構(gòu)建處理，以獲取多個(gè)循環(huán)窗口的融合特征樣本數(shù)據(jù)；2利用循環(huán)窗口的融合特征樣本數(shù)據(jù)，通過雙尺度非平穩(wěn)退化分析架構(gòu)進(jìn)行分析，首先在內(nèi)循環(huán)尺度下，通過高斯混合模型將每個(gè)充放電循環(huán)內(nèi)的充電行為或放電行為識別為內(nèi)循環(huán)非平穩(wěn)趨勢，然后在跨循環(huán)尺度下，利用退化成分解耦算法對融合特征樣本數(shù)據(jù)進(jìn)行解耦，以獲取固有投影矩陣和漂移投影矩陣；所述在跨循環(huán)尺度下，利用退化成分解耦算法對融合特征樣本數(shù)據(jù)進(jìn)行解耦，以獲取固有投影矩陣和漂移投影矩陣，具體包括：首先基于內(nèi)循環(huán)尺度下每個(gè)循環(huán)窗口的高斯混合模型的概率密度函數(shù)構(gòu)建跨循環(huán)固有高斯混合模型，以使原始融合特征樣本數(shù)據(jù)所得到的固有特征din在不同的循環(huán)窗口中呈現(xiàn)相似的數(shù)據(jù)分布；該跨循環(huán)固有高斯混合模型的概率密度函數(shù)為： 其中，pdin表示跨循環(huán)固有高斯混合模型的概率密度函數(shù)，和分別表示跨循環(huán)固有高斯混合模型的第m個(gè)高斯成本的混合權(quán)重、均值向量和協(xié)方差矩陣；然后給定每個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的原始模型參數(shù)為其中表示第w個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的原始模型參數(shù)，和分別表示第w個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的第m個(gè)高斯成分的原始混合權(quán)重、原始均值向量和原始協(xié)方差矩陣；每個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的模型參數(shù)通過期望最大化算法進(jìn)行估計(jì)，經(jīng)過Q次迭代估計(jì)后，得到每個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的最終模型參數(shù)為將其簡化為其中和分別表示第w個(gè)循環(huán)窗口的跨循環(huán)固有高斯混合模型的第m個(gè)高斯成分的最終混合權(quán)重、最終均值向量和最終協(xié)方差矩陣；其次，根據(jù)所有循環(huán)窗口的跨循環(huán)固有高斯混合模型的最終模型參數(shù)求解線性投影系數(shù)矩陣A，其優(yōu)化問題和約束條件等價(jià)于：A＝argminTr[ASAT] 其中，Tr[·]表示矩陣的跡，I表示單位矩陣，W為循環(huán)窗口的總數(shù)，和分別表示跨循環(huán)固有高斯混合模型的第m個(gè)高斯成分的均值向量平均值和協(xié)方差矩陣平均值，S,均為無實(shí)際意義的中間參數(shù)；最后，采用奇異值分解方法在線性投影系數(shù)矩陣的約束條件下求解其優(yōu)化問題，得到上述公式中的優(yōu)化問題的閉式解，該閉式解為Je個(gè)特征向量，在Je個(gè)特征向量中選取最小的R個(gè)特征值對應(yīng)的特征向量，將其作為固有投影矩陣，表示為將Je個(gè)特征向量中剩余的特征向量形成漂移投影矩陣，表示為其中ar表示Ain中的第r個(gè)系數(shù)向量，R為固有特征的維度，Je-R為漂移特征的維度；3獲取待監(jiān)測儲能電池堆的歷史服役數(shù)據(jù)，并對其進(jìn)行集群特征融合處理，以獲得對應(yīng)的融合特征數(shù)據(jù)；利用固有投影矩陣和漂移投影矩陣獲取融合特征數(shù)據(jù)對應(yīng)的固有特征和漂移特征，并通過高斯混合模型分別計(jì)算固有特征和漂移特征的監(jiān)測統(tǒng)計(jì)量，采用核密度估計(jì)獲得固有特征和漂移特征對應(yīng)的監(jiān)測統(tǒng)計(jì)量控制限；所述步驟3具體包括以下子步驟：3.1獲取待監(jiān)測儲能電池堆的歷史服役數(shù)據(jù)；其中，所述儲能電池堆包括多個(gè)電池模組，以電池模組為最小分析單元，所述電池模組的服役數(shù)據(jù)包括該電池模組中每個(gè)單體電池的服役狀態(tài)變量數(shù)據(jù)，所述服役狀態(tài)變量包含荷電狀態(tài)指標(biāo)和測點(diǎn)變量；3.2對每個(gè)待監(jiān)測電池模組的歷史服役數(shù)據(jù)進(jìn)行集群特征融合處理，得到對應(yīng)的融合特征數(shù)據(jù)其中Nf表示待監(jiān)測電池模組的融合特征數(shù)據(jù)總數(shù)；3.3利用固有投影矩陣Ain和漂移投影矩陣Adr獲取待監(jiān)測電池模組的固有特征和漂移特征，其計(jì)算公式分別為：Din＝AinXDdr＝AdrX其中，Din和Ddr分別表示待監(jiān)測電池模組的固有特征和漂移特征；3.4通過高斯混合模型分別計(jì)算固有特征Din和漂移特征Ddr的監(jiān)測統(tǒng)計(jì)量，監(jiān)測統(tǒng)計(jì)量為貝葉斯推斷距離，其計(jì)算公式為： 其中，BID為貝葉斯推斷距離指標(biāo)，表示固有特征Din或漂移特征Ddr的監(jiān)測統(tǒng)計(jì)量；Θm表示第m個(gè)高斯成分的高斯混合模型參數(shù)，αm表示第m個(gè)高斯成分的高斯混合模型參數(shù)中的混合權(quán)重；d∈Din時(shí)表示固有特征，d∈Ddr時(shí)表示漂移特征；Dld,Θm表示d到第m個(gè)高斯成分的馬氏距離，pΘm|d表示固有特征或漂移特征對應(yīng)的后驗(yàn)概率；3.5采用核密度估計(jì)方法對步驟3.4計(jì)算出的固有特征和漂移特征的監(jiān)測統(tǒng)計(jì)量進(jìn)行統(tǒng)計(jì)，獲得固有特征和漂移特征對應(yīng)的監(jiān)測統(tǒng)計(jì)量控制限；4對待監(jiān)測儲能電池堆進(jìn)行在線自適應(yīng)異常監(jiān)測時(shí)，將實(shí)時(shí)采集的服役數(shù)據(jù)以電池模組為基本分析單元，根據(jù)固有特征和漂移特征對應(yīng)的監(jiān)測統(tǒng)計(jì)量控制限進(jìn)行判斷，判斷待監(jiān)測儲能電池堆的狀態(tài)；并設(shè)計(jì)自適應(yīng)模型更新策略，依據(jù)在線服役數(shù)據(jù)的老化程度判斷是否需要進(jìn)行更新。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江浙能電力股份有限公司蕭山發(fā)電廠;浙江大學(xué)，其通訊地址為：311251 浙江省杭州市蕭山區(qū)臨浦鎮(zhèn)元寶山路1號附近蕭山發(fā)電廠行政樓210室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。