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！

龙图腾网获悉哈尔滨工业大学;绿进新能源科技(常熟)有限公司申请的专利基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法和系统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：CN119335414B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411681148.6，技术领域涉及：G01R31/367；该发明授权基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法和系统是由孔凡鹏;马志成;于国强;解福林设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法和系统在说明书摘要公布了：基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法和系统，涉及锂离子电池技术领域。解决了现有基于深度学习对锂离子电池剩余使用寿命预测方法基本都需要多个电池循环的数据，对电池管理系统的数据存储提出了较大挑战的问题。方法包括：对电池进行充放电老化实验获得电池性能指标和观测数据，建立锂电池原始老化数据集并进行预处理；通过特征工程对数据集进行整理提取；搭建混合深度神经网络模型；采用k折交叉验证对混合深度神经网络模型进行训练；当k折交叉验证训练完成后，加载模型并计算每折模型在测试集数据上的输出，取平均后用于对锂离子电池的剩余使用寿命的预测。应用于新能源汽车领域。

本发明授权基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法和系统在权利要求书中公布了：1.一种基于多维数据混合深度神经网络的锂离子电池剩余使用寿命预测方法，其特征在于，所述方法包括： 步骤S1：对电池进行充放电老化实验获得各项电池各循环的性能指标以及电池循环观测数据，建立锂电池原始老化数据集，并对老化数据集进行预处理； 步骤S2：将预处理后的数据集划分为供模型训练的训练集和对模型进行评估的测试集，通过特征工程对数据集进行整理提取； 步骤S3：搭建基于一维卷积神经网络、二维卷积神经网络和Transformer的混合深度神经网络模型； 步骤S4：采用k折交叉验证对混合深度神经网络模型进行训练，当训练模型的损失函数不再持续降低后，保存模型记为该折的最优模型； 步骤S5：当k折交叉验证训练完成后，加载模型并计算每折模型在测试集数据上的输出，取平均后用于对锂离子电池的剩余使用寿命的预测； 所述步骤S1中电池各循环的性能指标包括放电容量、充电时间、内阻；所述电池循环观测数据包括电池充放电循环时的电压、电流、温度、容量； 所述步骤S2中特征工程包括： 将每个循环的电流、电压、温度、容量4条曲线按照时间序列线性插值成为4条具有100个数据点的曲线，4条曲线组成一组4×100的二维数据矩阵；将每个循环的放电容量、充电时间、电池内阻3个数值组合成为一个1×3的一维数据矩阵； 所述步骤S3包括： 一维数据矩阵输入至3层一维卷积神经网络，提取一维标量特征中的电池老化信息，再将一维卷积神经网络的输出通过全连接层处理； 二维数据矩阵输入至前后相连的3层二维卷积神经网络中，将二维卷积神经网络的输出通过Transformer网络进一步提取特征； 将Transformer网络和全连接层的输出，进行整合处理后，再通过两个全连接层进行输出，得到的输出即为锂离子电池剩余使用寿命的估计值； 所述Transformer网络的处理流程为： 数据首先通过位置编码模块，保留数据的时间步信息； 时间序列数据通过多头自注意力机制，计算序列中各时间步的相关性，自注意力机制通过权重矩阵，对每个时间步的输入特征进行加权汇总。

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哈尔滨工业大学;绿进新能源科技(常熟)有限公司，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。