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！

龙图腾网获悉吉林大学申请的专利一种基于深度学习的锂电池荷电状态及寿命联合预测方法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：CN120178053B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510671098.1，技术领域涉及：G01R31/367；该发明授权一种基于深度学习的锂电池荷电状态及寿命联合预测方法是由于远彬;李兴坤设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本一种基于深度学习的锂电池荷电状态及寿命联合预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的锂电池荷电状态及寿命联合预测方法，属于锂电池技术领域，对锂电池进行特定工况的全生命周期充放电循环寿命实验，通过实验数据训练深度学习模型Autoformer，获得锂电池的荷电状态、剩余使用寿命联合预测模型，将历史数据输入至联合预测模型，先获得预测SOC及预测电压，再将预测电压曲线与锂电池第一次循环的电压曲线进行自相关性计算，获得自相关系数，自相关系数输入至剩余使用寿命子预测模型，获得锂电池容量预测值。本发明利用Autoformer对超长序列数据的优秀学习能力，从全生命周期数据提取锂电池的充放电、容量衰减特征，为锂电池的联合状态估计提供了精准的预测手段。

本发明授权一种基于深度学习的锂电池荷电状态及寿命联合预测方法在权利要求书中公布了：1.一种基于深度学习的锂电池荷电状态及寿命联合预测方法，其特征在于，包括以下步骤： 步骤一、在指定工况下进行锂电池充放电循环寿命实验，获得实验数据，包括锂电池在全生命周期不同循环次数下的电流、电压、温度、荷电状态、剩余容量； 步骤二、对步骤一获得的实验数据进行数据标准化处理，构建包含标准化参数与衍生特征的输入数据集； 步骤三、基于Autoformer-Transformer架构，搭建锂电池的荷电状态、剩余使用寿命的联合预测模型；所述联合预测模型包括： 荷电状态子预测模型，其以Autoformer作为架构搭建，用于实时工况下未来时间的荷电状态预测； 电压子预测模型，其以Autoformer作为架构搭建，用于在荷电状态低于一定值时启动，预测此刻至荷电状态为0的电压曲线； 自相关系数计算子模块，其用于计算所述电压子预测模型输出的预测电压曲线与第一次循环的对应电压曲线的自相关系数，并将计算出的自相关系数输入至剩余使用寿命子预测模型； 剩余使用寿命子预测模型，其以CNN-Transformer混合架构搭建，用于根据所述自相关系数计算子模块计算的自相关系数预测未来若干个循环的容量衰减状态； 步骤四、将处理过的特征数据输入步骤三搭建好的联合预测模型进行训练并优化，获得优化的联合预测模型； 步骤五、将历史数据输入步骤四优化后的联合预测模型，获得荷电状态、剩余寿命的预测结果。

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吉林大学，其通讯地址为：130012 吉林省长春市高新技术产业开发区前进大街2699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”。