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！

龙图腾网获悉华能伊敏煤电有限责任公司;西安热工研究院有限公司申请的专利基于CSHHO-LSSVM的锂电池SOC估计算法、系统、设备及介质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：CN119758106B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510259208.3，技术领域涉及：G01R31/367；该发明授权基于CSHHO-LSSVM的锂电池SOC估计算法、系统、设备及介质是由端木昭勇;杨沛豪;郑安;兀鹏越;王小辉;寇水潮;姜楠;燕云飞;孙梦瑶;陈雁凯;桂圆;秦继伟;吴显钢;马宏;刘向亮;边伟设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本基于CSHHO-LSSVM的锂电池SOC估计算法、系统、设备及介质在说明书摘要公布了：本发明公开了基于CSHHO‑LSSVM的锂电池SOC估计算法、系统、设备及介质，涉及电池荷电状态估算领域，包括收集磷酸锂电池的SOC数据形成样本集并进行归一化，设置每个初始参数；根据七种混沌映射初始化种群，计算个体适应度值，计算逃逸能量；根据位置更新公式进入算法的探索阶段更新种群，引入可变螺旋位置更新策略进入算法的开发阶段更新种群；采用最优邻域扰动策略执行最优邻域扰动，判断算法终止条件，当条件满足时，输出得到的最优解σ和γ，否则重新计算逃逸能量，并继续更新种群。本发明利用自适应权重和可变螺旋位置更新策略，增强了算法的全局搜索能力，有效避免了传统HHO算法在搜索过程中容易陷入局部最优解的缺陷。

本发明授权基于CSHHO-LSSVM的锂电池SOC估计算法、系统、设备及介质在权利要求书中公布了：1.一种基于CSHHO-LSSVM的锂电池SOC估计算法，其特征在于：包括， 收集磷酸锂电池的SOC数据，形成样本集，将样本集分为两组为训练数据和测试数据，仿真中使用训练数据建立数学模型，使用测试数据对模型进行验证； 对样本集进行归一化，使所有的样本数据值都在[0，1]的范围内，归一化的转换函数表示为， ， 其中，为归一化的值，为实际值，和分别表示最大值和最小值； 设置每个初始参数，包括种群大小、最大迭代次数和维度； 根据七种混沌映射初始化种群，其中自变量由最小二乘向量机的核参数σ和正则化参数γ组成，计算个体适应度值； 计算逃逸能量公式表示为， ， 其中，表示为（-1，1）的随机数，表示为当前迭代次数，表示为最大迭代次数； 根据位置更新公式进入算法的探索阶段更新种群，引入可变螺旋位置更新策略进入算法的开发阶段更新种群； 所述位置更新公式的构建方法包括，依据当前迭代次数组成自适应权重，根据自适应权重对哈里斯鹰优化算法进行改进，得到位置更新公式； 所述依据当前迭代次数组成自适应权重表示为， ， 所述位置更新公式表示为， ， 其中，，，，，表示为随机数，范围为[0，1），表示为第次迭代种群的最优值，表示为第次迭代种群的平均值，表示为随机选择的哈里斯鹰位置； 所述引入可变螺旋位置更新策略进入算法的开发阶段更新种群包括，向所述位置更新公式引入可变螺旋位置更新策略，对哈里斯鹰种群位置进行更新表示为， ， 其中，表示为控制变量，根据螺旋数学模型设计； 采用最优邻域扰动策略执行最优邻域扰动，判断算法终止条件，当条件满足时，输出得到的最优解σ和γ，否则重新计算逃逸能量，并继续更新种群； 建立基于最优解σ和γ的LSSVM模型，用得到的最优估计模型对动力锂电池进行SOC估计，根据估计结果对比实测结果，进行针对性的误差分析； 所述最优邻域扰动策略表示为， ， 其中，和表示为在[0，1]之间均匀产生的随机数，表示为当前位置，表示为产生的新位置； 对于生成的邻域位置，采用贪婪策略决定是否保留，计算公式表示为， ， 其中，表示为位置的适应度。

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华能伊敏煤电有限责任公司;西安热工研究院有限公司，其通讯地址为：021114 内蒙古自治区呼伦贝尔市鄂温克族自治旗伊敏河镇；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”。