基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于Box‑Cox变换指数模型和Conv‑LSTM的锂电池SOH估算方法,属于自动化技术领域。为了克服现有技术中对建立模型所要求的数据量庞大、SOH估算精度不足等问题,提出一种基于深度学习的混合神经网络锂离子电池SOH建模方法。本发明的技术方案是由数据采集、构建整体趋势预估模型、残差数据集建立、构建非线性特征预估模型、性能评估五方面构成。该方法基于Box‑Cox变换指数模型、残差结构和卷积长短时记忆网络,利用锂离子电池充电过程中的充电片段,实现锂离子电池使用周期内的SOH估算。本发明相较于传统深度学习估算SOH方法,将SOH特征分解为整体趋势和非线性特征,再分别单独估计,可以有效地提高模型所进行的SOH估算精度。
《基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法(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 2023104294605,当前法律状态为已下证,由浙大宁波理工学院提出申请,发明人为陶吉利;周奔滔;马龙华;徐鸣,申请日期为2023-04-18,公开(公告)日期为2025-08-26,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:本发明公开了一种基于Box‑Cox变换指数模型和Conv‑LSTM的锂电池SOH估算方法,属于自动化技术领域。为了克服现有技术中对建立模型所要求的数据量庞大、SOH估算精度不足等问题,提出一种基于深度学习的混合神经网络锂离子电池SOH建模方法。本发明的技术方案是由数据采集、构建整体趋势预估模型、残差数据集建立、构建非线性特征预估模型、性能评估五方面构成。该方法基于Box‑Cox变换指数模型、残差结构和卷积长短时记忆网络,利用锂离子电池充电过程中的充电片段,实现锂离子电池使用周期内的SOH估算。本发明相较于传统深度学习估算SOH方法,将SOH特征分解为整体趋势和非线性特征,再分别单独估计,可以有效地提高模型所进行的SOH估算精度。
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!
