買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華南理工大學申請的專利基于相似性的鋰離子電池SOH預測和SOC估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114563711B 。

龍圖騰網通過國家知識產權局官網在2025-06-10發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210193402.2，技術領域涉及：G01R31/367；該發明授權基于相似性的鋰離子電池SOH預測和SOC估計方法是由楊寧;余濤設計研發完成，并于2022-02-28向國家知識產權局提交的專利申請。

本基于相似性的鋰離子電池SOH預測和SOC估計方法在說明書摘要公布了：本發明公開了基于相似性的鋰離子電池SOH預測和SOC估計方法。所述方法包括以下步驟：獲取同類型同工況下的鋰離子電池的歷史健康狀態SOH序列，并進行預處理，訓練第一模型；獲取待預測數據鋰離子電池的數據；訓練第二模型；對待預測的鋰離子電池本次充放電半循環中的健康狀態SOH值進行預測；預測實時的基于額定容量定義下的荷電狀態SOCN和基于最大可用容量定義下的荷電狀態SOCH；對本次充放電半循環中實時的基于額定容量定義下的荷電狀態SOCN、基于最大可用容量定義下的荷電狀態SOCH和健康狀態SOH進行更新；更新待預測數據。本發明為鋰離子電池的聯合狀態估計提供了新的研究思路。

本發明授權基于相似性的鋰離子電池SOH預測和SOC估計方法在權利要求書中公布了：1.基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，包括以下步驟：S1、獲取同類型同工況下的鋰離子電池的歷史健康狀態SOH序列，并進行預處理；S2、根據預處理后的歷史健康狀態SOH序列訓練第一模型；S3、獲取待預測數據鋰離子電池在充放電半循環中的數據，按充放電半循環劃分為訓練數據和待預測數據；S4、將訓練數據按照時間發生順序按照比例分成多份訓練數據樣本；S5、根據訓練數據樣本，訓練第二模型；若采用相關向量機訓練第二模型，則需對訓練數據樣本進行插值獲取新樣本，然后根據新樣本訓練第二模型；若采用集成學習算法訓練第二模型，則無需進行插值操作，直接采用訓練數據樣本訓練第二模型；采用相關向量機訓練第二模型時，步驟S5包括以下步驟：S5.1、針對每份訓練數據樣本中的物理量，以時間作為輸入，以對應時刻的物理量為輸出，進行極值歸一化操作，得到歸一化操作后的訓練數據樣本，分別訓練極限學習機；S5.2、設定插值區間個數N，針對插值點個數N+1，將歸一化操作后的訓練數據樣本中的時間劃分為N等份；S5.3、采用訓練好的極限學習機預測歸一化操作后的訓練數據樣本中的N+1個時刻的物理量；S5.4、將歸一化操作后的訓練數據樣本中的N+1個時刻的物理量反歸一化還原為插值后的物理量即新樣本；S5.5、在新樣本的基礎上，以對應的物理量作為輸入，基于額定容量定義下的荷電狀態SOCN作為輸出，訓練第二模型；采用集成學習算法訓練第二模型時，在訓練數據樣本的基礎上，以對應的物理量作為輸入，基于額定容量定義下的荷電狀態SOCN作為輸出，訓練第二模型；在訓練第二模型時，對第二模型的輸入和輸出進行歸一化處理；S6、采用訓練完成的第一模型對待預測的鋰離子電池本次充放電半循環中的健康狀態SOH值進行預測；S7、對于鋰離子電池在本次充放電半循環中的待預測數據，按照同樣比例劃分為多份待預測數據樣本，并結合訓練數據樣本將每份待預測數據樣本進行整體上下移動，獲得平移后的待預測數據樣本，輸入訓練好的第二模型，預測得到待預測的鋰離子電池本次充放電半循環中實時的基于額定容量定義下的荷電狀態SOCN的預測值，并根據步驟S6中本次充放電半循環中的健康狀態SOH的預測值得到實時的基于最大可用容量定義下的荷電狀態SOCH的預測值；S8、對本次充放電半循環中實時的基于額定容量定義下的荷電狀態SOCN、基于最大可用容量定義下的荷電狀態SOCH和健康狀態SOH進行更新，分別得到對應的真實值；S9、更新待預測數據，返回步驟S3。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南理工大學，其通訊地址為：510640 廣東省廣州市天河區五山路381號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。