Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 河南科技学院范玉千获国家专利权

河南科技学院范玉千获国家专利权

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!

龙图腾网获悉河南科技学院申请的专利一种储能场景下钠离子电池健康状态估计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:CN119270088B

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:202411794467.8,技术领域涉及:G01R31/367;该发明授权一种储能场景下钠离子电池健康状态估计方法是由范玉千;李轶;闫冲;窦文雯;吴效莹;任志伟;张利伟;陈佳;谢亚宁;高国红;张平川设计研发完成,并于2024-12-09向国家知识产权局提交的专利申请。

一种储能场景下钠离子电池健康状态估计方法在说明书摘要公布了:本发明提供一种储能场景下钠离子电池健康状态估计方法,包括以下步骤:建立两种工况的钠离子电池完整衰减数据集并提取若干个电池退化特征;使用三种相关性分析方法分别衡量电池退化特征与SOH之间的相关性,并对电池退化特征与SOH进行初步筛选,获得初步筛选后的电池退化特征;再使用积分梯度算法进行二次特征筛选,同时使用KAN网络作为代理模型进行可解释性分析,从而获得对电池寿命预测贡献较强的特征组合;将特征组合中的电池退化特征送入TemporalResidualKAN‑LSTM网络模型进行训练,并估计钠离子电池健康状态,实现了高精度的钠离子电池SOH估计及其可解释性。

本发明授权一种储能场景下钠离子电池健康状态估计方法在权利要求书中公布了:1.一种储能场景下钠离子电池健康状态估计方法,其特征在于:包括以下步骤: 步骤1:建立在标准充电倍率和较低充电倍率两种工况的钠离子电池完整衰减数据集; 其中,标准充电倍率为:电池首先以1C恒流充电至设定电压,随后转为0.5C恒流恒压充电模式,直至电压达到3.8V;然后,电池以1C恒流放电至1.5V截止电压; 较低充电倍率为:电池以0.5C进行恒流恒压充电,最大充电电压同样设定为3.8V,随后以1C恒流模式放电至1.5V; 步骤2:根据钠离子电池完整衰减数据集提取30种电池退化特征,30种电池退化特征如表1所示: 表1 ; 其中,为时间;为时间占比;为恒流充电;为恒流恒压充电;为恒流放电;为温度数据;为电流;为电压;为电压曲线斜率;为电流曲线斜率;为充电电流;为容量; 步骤3:使用Spearman、Kendall和Pearson三种相关性分析方法分别衡量电池退化特征与SOH之间的线性相关性、非线性单调性和秩次序一致性,并对电池退化特征与SOH进行初步筛选,获得初步筛选后的电池退化特征; 其中,Pearson的输出为: ; 其中,和分别为两个电池退化特征;为和的皮尔逊相关系数,且取值范围均为[-1,1],当=1时,和为完全正相关;当=-1时,和为完全负相关;当=0时,和为无线性相关;为第个观测值在变量中的取值,为第个观测值在变量中的取值,为的均值,为的均值,为样本数量; Spearman的输出为: ; 其中,为斯皮尔曼等级相关系数,当=1时,表示两个变量之间有完全单调递增关系;当=-1时,表示两个变量之间有完全单调递减关系;当=0时,表示两个变量之间没有单调关系;为数据的样本量;为第个数据点在第一个变量中的原始值,为第个数据点在第二个变量中的原始值,为第个数据点在变量中的排名值,为第个数据点在变量中的排名值,为两个变量中第个数据点的排名差,即:; Kendall的输出为: ;; 其中,是一致对的数量,是不一致对的数量,是并列对的数量;:Kendall’sTau系数,反映了变量之间的关联程度,范围为-1≤≤1;=1时为正相关;=-1时为负相关;=0时为没有关联性; 步骤4:将初步筛选后的电池退化特征,使用积分梯度算法进行二次特征筛选,同时使用KAN网络作为代理模型进行可解释性分析;从而获得对电池寿命预测贡献较强的特征组合;具体包括以下步骤: 步骤4.1:积分梯度算法通过比较基线输入与实际输入之间的差异,计算模型输出对输入特征的累积变化率; 步骤4.2:代理模型KAN网络的初始化结构为[15,[5,3],1],训练后收缩为[8,[2,2],1];最终的表达式为: ; 其中,为特征选择阶段中部分样本的SOH值,表示放电过程中的电压变化速率,为恒流充电中的平均电压水平;代表恒流充电时间,是IC曲线峰值;和分别为电池的能量转化效率和老化程度;和是电压和电流积分量化了放电过程中的总能量输出; 步骤4.3:结合代理模型KAN网络与积分梯度算法根据剩余特征对模型预测的贡献,保留了6个特征,即; 步骤5:将特征组合中的电池退化特征送入TemporalResidualKAN-LSTM网络模型进行训练,该TemporalResidualKAN-LSTM网络模型的输出则为估计的钠离子电池健康状态。

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河南科技学院,其通讯地址为:453000 河南省新乡市红旗区五一路东段;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。