种基于图神经网络的锂电池寿命预测方法及系统
本发明公开了一种基于图神经网络的锂电池寿命预测方法及系统,该方法包括:获取锂电池若干历史周期的充放电循环数据,根据充放电循环数据提取电池容量数据;对电池容量数据进行切分,得到多个对应于时间序列的序列样本,并且按照预设的时间节点将序列样本划分成训练集与测试集,以对预设的神经网络模型进行训练;自适应向电池容量数据中添加白噪声,放大各个模态之间的非相关程度,以将电池容量数据的模态分解;构建图神经网络,并结合邻接矩阵、图卷积与注意力机制,得到锂电池寿命预测模型,通过锂电池寿命预测模型对锂电池的剩余寿命进行预测。本发明解决现有技术中锂电池寿命预测精度不足,且预测精度提升受限的问题。
《种基于图神经网络的锂电池寿命预测方法及系统》是一发明专利,专利号为 2025103081691,当前法律状态为已下证,由华东交通大学提出申请,发明人为王杉;刘婷;朱星春;朱嘉晨,申请日期为2025-03-17,公开(公告)日期为2025-09-19,国际专利分类号(IPC)为 G06F 18/20 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于图神经网络的锂电池寿命预测方法及系统,该方法包括:获取锂电池若干历史周期的充放电循环数据,根据充放电循环数据提取电池容量数据;对电池容量数据进行切分,得到多个对应于时间序列的序列样本,并且按照预设的时间节点将序列样本划分成训练集与测试集,以对预设的神经网络模型进行训练;自适应向电池容量数据中添加白噪声,放大各个模态之间的非相关程度,以将电池容量数据的模态分解;构建图神经网络,并结合邻接矩阵、图卷积与注意力机制,得到锂电池寿命预测模型,通过锂电池寿命预测模型对锂电池的剩余寿命进行预测。本发明解决现有技术中锂电池寿命预测精度不足,且预测精度提升受限的问题。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
