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！

龙图腾网恭喜南京理工大学申请的专利一种锂离子电池容量衰减估计方法、电子设备及存储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：CN119044773B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411071591.1，技术领域涉及：G01R31/367；该发明授权一种锂离子电池容量衰减估计方法、电子设备及存储介质是由沈可猛;雷加智;刘钊设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种锂离子电池容量衰减估计方法、电子设备及存储介质在说明书摘要公布了：一种锂离子电池容量衰减估计方法、电子设备及存储介质，属于锂离子电池容量衰减估计技术领域，解决如何提高锂离子电池容量衰减的估计精度的问题，本发明考虑温度、放电深度、循环次数等因素的不确定性对锂离子电池经验退化模型进行修正，构建锂离子电池容量衰减扰动模型，以数据驱动方法准确提取电池容量衰减的健康特征，建立基于卷积神经网络的数据驱动误差补偿模型，通过电池容量衰减扰动模型与数据驱动误差补偿模型的融合，以模型驱动的方式开展评估，以数据驱动的方式来抑制评估误差，对锂离子电池的容量衰减信息进行准确预测，对于同类型不同电池的容量衰减状况也具有良好的鲁棒性与适用性，为不同种类电池的评估提供了可靠的技术支持。

本发明授权一种锂离子电池容量衰减估计方法、电子设备及存储介质在权利要求书中公布了：1.一种锂离子电池容量衰减估计方法，其特征在于，包括以下步骤：步骤1、根据离线测试收集的锂离子电池容量衰减数据，通过特征分析构建锂离子电池相对容量衰减与温度、充放电倍率、放电深度以及循环次数之间的衰减经验模型；所述衰减经验模型具体如下： 其中，B为电池内部碰撞的频率和方向相关的指数前待定因子，Crate表示充放电倍率，k1和k2为拟合系数，Rg为气体常数，Atotal为电池的总放电容量，ARated为电池标称容量，DoD为放电深度，Nc为循环次数，z为幂律因子，T为温度；步骤2、考虑电池所处环境不同和仪器测量误差所造成的偏差，建立温度、放电倍率、放电深度与锂离子电池容量衰减之间的不确定关系，基于锂离子电池容量衰减经验模型构建锂离子电池容量衰减扰动模型，具体方法如下：1）采用正态分布对温度T测量误差进行建模，用方差反映传感器测量精度及其安装位置对温度T的测量误差的影响程度，即服从的正态分布，其中，ΔT为温度的测量误差，代表温度的测量标准差；2）采用正态分布对充放电倍率测量误差进行建模，用方差反映传感器测量精度及其安装位置对放电倍率的测量误差的影响程度，即服从的正态分布，其中ΔCrate为放电倍率的测量误差，ε2为放电倍率的测量标准差；3）采用傅氏频谱分析对放电深度进行统计建模：以雨流计数法提取SoC-t曲线的极值点与两端边界点，将其分段为历程向量S，其中，，采用傅里叶级数将历程向量Si转换成相应一系列正弦波的叠加，记录其幅值矩阵为Li,n，其中，以各区段的幅值矩阵Li,n等效为电池SoC历程曲线的DoD值，得到等效放电深度，其中；步骤3、选取恒流充电至截止电压与工作电压的时间差、放电过程中的温度峰值以及放电至峰值温度的时间为健康特征，并进行相关性分析，构建基于卷积神经网络的数据驱动型误差补偿模型，将其与电池容量衰减扰动模型融合形成一个闭环系统，对锂离子电池容量衰减进行评估；所述构建基于卷积神经网络的数据驱动型误差补偿模型的方法具体如下：1）使用一维卷积神经网络建立数据驱动型误差补偿模型，模型由三个卷积层、一个池化层和两个全连接层组成，输入数据通过卷积层利用不同权重的卷积核进行特征提取，一维卷积时间序列的特征提取计算公式为；其中，为特征向量，σ为激活函数，是权重矩阵，*是卷积运算符号，为输出向量，为偏置，k为层数，i为数据个数；2）池化层通过遍历卷积层输出的特征矩阵，使用池化核筛选压缩数据元素并保留最为显著的信息，其计算公式为：；其中，为池化区域中第m层的第i个特征矩阵的元素，为池化后的特征矩阵的元素，Dw是第w个池化覆盖区域；3）全连接层通过学习池化层输出的特征量与电池容量之间的关系，整合池化层的输出并将结果传递至输出层，得到电池容量衰减误差补偿值。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道孝陵卫街200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”。