基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法,属于数据处理、锂电池寿命预测领域,首先,将锂电池容量数据使用DICEEMDAN进行分解降噪重构处理,得到多个子序列,通过改进的双向时序卷积网络对高频子序列进行特征提取,针对不同频率的子序列存在的不同数据特性,设计了一种差异化混合深度神经网络,将提取到的特征数据作为深度神经网络的输入,最后使用优化权重的方式对多个神经网络预测进行整合,得到最终的预测结果。本发明在实际锂电池老化数据集上得到了验证,实验结果表明,对于储能锂电池剩余使用寿命的预测具有较高的准确性。
《基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025110289092,当前法律状态为已下证,由浙江工业大学提出申请,发明人为柯欣江;魏春;余淞;章成,申请日期为2025-07-25,公开(公告)日期为2025-10-10,国际专利分类号(IPC)为 G01R 31/367 (2019.01),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:一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法,属于数据处理、锂电池寿命预测领域,首先,将锂电池容量数据使用DICEEMDAN进行分解降噪重构处理,得到多个子序列,通过改进的双向时序卷积网络对高频子序列进行特征提取,针对不同频率的子序列存在的不同数据特性,设计了一种差异化混合深度神经网络,将提取到的特征数据作为深度神经网络的输入,最后使用优化权重的方式对多个神经网络预测进行整合,得到最终的预测结果。本发明在实际锂电池老化数据集上得到了验证,实验结果表明,对于储能锂电池剩余使用寿命的预测具有较高的准确性。
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!
