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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉合肥工業(yè)大學;合肥綜合性國家科學中心能源研究院(安徽省能源實驗室)申請的專利基于IPSO-GPR算法的鋰離子電池健康狀態(tài)估計方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN117471348B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202311505031.8，技術領域涉及：G01R31/392；該發(fā)明授權基于IPSO-GPR算法的鋰離子電池健康狀態(tài)估計方法是由何葉;王小明;白文淵;王路路;吳紅斌;華玉婷;鄭詩程;郎佳紅設計研發(fā)完成，并于2023-11-13向國家知識產(chǎn)權局提交的專利申請。

本基于IPSO-GPR算法的鋰離子電池健康狀態(tài)估計方法在說明書摘要公布了：本發(fā)明公開了一種基于IPSO?GPR算法的鋰離子電池健康狀態(tài)估計方法，包括：1.提取鋰離子電池健康指標并優(yōu)化；2.利用高斯過程回歸構建電池健康特征與健康狀態(tài)之間的映射關系；3.利用一種帶有變異因子并可根據(jù)種群多樣性自適應調(diào)整權重的改進粒子群算法對GPR的核參數(shù)進行優(yōu)化；4.建立基于GPR的SOH估計模型，進行SOH估計。本發(fā)明以基于離散小波包變換與Box?Cox變換的特征提取為基礎，利用GPR構建特征與SOH之間的映射關系，利用改進粒子群算法對GPR的核參數(shù)進行優(yōu)化，建立基于GPR的SOH估計模型，能夠準確地、快速地進行鋰離子電池SOH估計。

本發(fā)明授權基于IPSO-GPR算法的鋰離子電池健康狀態(tài)估計方法在權利要求書中公布了：1.一種基于IPSO-GPR算法的鋰離子電池健康狀態(tài)估計方法，其特征在于，是按如下步驟進行： 步驟一、將鋰離子電池的歷史電壓數(shù)據(jù)、歷史電流數(shù)據(jù)作為訓練集，用于提取鋰離子電池健康指標： 步驟1.1、構建鋰離子電池的健康指標； 步驟1.1.1、設定鋰離子電池在恒流充電過程的電壓上、下限和恒壓充電過程的電流上、下限； 步驟1.1.2、將鋰離子電池的恒流充電過程劃分為若干個電壓區(qū)間；針對鋰離子電池的恒流充電過程中的任意第a個電壓區(qū)間，利用式1從所述第a個電壓區(qū)間中的歷史電壓數(shù)據(jù)中提取等充電電壓差的電壓變異系數(shù)并作為第一健康指標； 將鋰離子電池的恒壓充電過程劃分為若干個電流區(qū)間；針對鋰離子電池的恒壓充電過程中的第c個電流區(qū)間，利用式2從所述第c個電流區(qū)間中的歷史電流數(shù)據(jù)中提取等充電電流差的電流變異系數(shù)并作為第二健康指標； 1 2 式1和式2中，、分別為所述第a個電壓區(qū)間中的歷史電壓數(shù)據(jù)的標準差、所述第c個電流區(qū)間中的歷史電流數(shù)據(jù)的標準差；、分別為第a個電壓區(qū)間中的歷史電壓數(shù)據(jù)的平均值、第c個電流區(qū)間中的歷史電流數(shù)據(jù)的平均值；和分別為第a個電壓區(qū)間中的歷史電壓數(shù)據(jù)的樣本個數(shù)、第c個電流區(qū)間中的歷史電流數(shù)據(jù)的樣本個數(shù)；為第a個電壓區(qū)間中的第i個歷史電壓數(shù)據(jù)；為第c個電流區(qū)間中的第j個歷史電流數(shù)據(jù)； 步驟1.1.3、利用式3從所述第a個電壓區(qū)間中的歷史電壓數(shù)中據(jù)提取等充電電壓差的充電能量并作為第三健康指標； 利用式4從所述第c個電流區(qū)間中的電流數(shù)據(jù)提取等充電電流差的充電能量并作為第四健康指標； 3 4 式3和4中，為恒流充電過程的第a個電壓區(qū)間的電流值；為恒流充電過程的第a個電壓區(qū)間中隨時間t變化的電壓值；與表示所述第a個電壓區(qū)間的開始時間與結束時間；為恒壓充電過程的第c個電流區(qū)間中的電壓值；為恒壓充電過程的第c個電流區(qū)間中隨時間t變化的電流值；與表示所述第c個電流區(qū)間的開始時間與結束時間； 步驟1.2、采用遍歷法結合Pearson相關系數(shù)尋找最優(yōu)電壓區(qū)間與最優(yōu)電流區(qū)間； 步驟1.2.1、利用式5計算所述第a個電壓區(qū)間的第一健康指標與其電池健康狀態(tài)之間的Pearson相關系數(shù)；從而得到所有電壓區(qū)間的第一健康指標與其電池健康狀態(tài)SOH之間的Pearson相關系數(shù)，并從中選取最大第一健康指標所對應的電壓區(qū)間作為次優(yōu)電壓區(qū)間； 利用式6計算第b個電壓區(qū)間的第三健康指標與其電池健康狀態(tài)之間的Pearson相關系數(shù)；從而得到所有電壓區(qū)間的第三健康指標與其電池健康狀態(tài)SOH之間的Pearson相關系數(shù)，并從中選取最大第三健康指標所對應的電壓區(qū)間作為另一個次優(yōu)電壓區(qū)間； 5 6 式5和6中，E為均值函數(shù)，E2為均值函數(shù)的平方； 步驟1.2.2、利用式7計算第c個電流區(qū)間的第二健康指標與其電池健康狀態(tài)之間的Pearson相關系數(shù)，從而得到所有電流區(qū)間的第二健康指標與其電池健康狀態(tài)SOH之間的Pearson相關系數(shù)，并從中選取最大第二健康指標所對應的電壓區(qū)間作為另一個次優(yōu)電流區(qū)間； 利用式8計算第d個電流區(qū)間的第四健康指標與其電池健康狀態(tài)之間的Pearson相關系數(shù)；從而得到所有電流區(qū)間的第四健康指標與其電池健康狀態(tài)SOH之間的Pearson相關系數(shù)，并從中選取最大第四健康指標所對應的電流區(qū)間作為另一個次優(yōu)電流區(qū)間； 7 8 步驟1.2.3、從兩個次優(yōu)電壓區(qū)間中選取較大絕對值所對應的電壓區(qū)間作為最優(yōu)電壓區(qū)間；從次優(yōu)電流壓區(qū)間中選取較大絕對值所對應的電流區(qū)間作為最優(yōu)電流區(qū)間； 步驟二、使用Box-Cox變換與離散小波包變換優(yōu)化處理鋰離子電池的健康指標： 步驟2.1、利用量測裝置獲取鋰離子電池的在線電流數(shù)據(jù)，并基于在線電流數(shù)據(jù)進行實時處理得到全周期的第二健康指標和第四健康指標； 步驟2.2、歸一化處理最優(yōu)電流區(qū)間的健康指標、電池健康狀態(tài)SOH以及全周期的健康指標，得到歸一化后的最優(yōu)電流區(qū)間的第二健康指標和第四健康指標、對應的電池健康狀態(tài)、以及歸一化后的全周期的第二健康指標和第四健康指標； 步驟2.3、利用式9-式12對和以及和進行Box-Cox變換，得到變換后的最優(yōu)電流區(qū)間的第二健康指標、變換后的全周期的第二健康指標、變換后的最優(yōu)電流區(qū)間的第四健康指標和變換后的全周期的第四健康指標： 9 10 11 12 式9-12中，c為保證變換數(shù)據(jù)為正的常數(shù)；、為2個變換參數(shù)； 步驟2.4、對鋰離子電池健康指標進行離散小波包分解，得到重構后的總體健康指標的小波包樹； 步驟三、基于改進GPR模型的SOH估計； 步驟3.1、定義鋰離子電池訓練的健康指標THIG={、、、}，其中，、表示重構后的健康指標的小波包樹中的第二健康指標的小波包樹和第四健康指標的小波包樹，并定義其對應的健康狀態(tài)、； 步驟3.2、將THIG作為GPR模型的輸入，將THIG對應的健康狀態(tài)SOH={、、、}作為GPR模型的輸出，并利用式13構建GPR模型的SE核函數(shù)： 13 式13中，、為訓練健康指標THIG中第m個、第n個健康指標，且m=1,2,3,4，n=1,2,3,4，m≠n，為控制核函數(shù)衰減速度的尺度參數(shù)； 步驟3.3、利用改進粒子群算法對GPR模型的SE核參數(shù)進行優(yōu)化，從而得到最優(yōu)尺度參數(shù)，并用于構建SOH估計的最優(yōu)GPR模型； 步驟3.4、利用量測裝置獲取鋰離子電池的在線電壓、電流數(shù)據(jù)并進行處理后，得到在線的健康指標，將在線的健康指標輸入到最優(yōu)GPR模型中，得到最優(yōu)SOH估計結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人合肥工業(yè)大學;合肥綜合性國家科學中心能源研究院(安徽省能源實驗室)，其通訊地址為：230009 安徽省合肥市包河區(qū)屯溪路193號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。