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！

龙图腾网获悉昆明电器科学研究所申请的专利一种用于退役电池的健康评估方法及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：CN120254648B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510741912.2，技术领域涉及：G01R31/367；该发明授权一种用于退役电池的健康评估方法及系统是由周玉玲;杨津听;杨阿娟;杨彩玲;戎麒;龙剑;张恩寿;洪亚昆设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种用于退役电池的健康评估方法及系统在说明书摘要公布了：本发明公开了一种用于退役电池的健康评估方法及系统，涉及电池状态评估技术领域，包括识别退役电池标识并自动生成评估任务编号，将电池状态设为“待检测”；设定电池充电模式，实时采集电池状态数据并提取电池特征构建特征向量G；将特征向量G输入并行注意力神经网络进行静态SOH估算，得到初步SOH估计值，使用联合扩展卡尔曼滤波进行SOH修正，并得到当前等效内阻估值。本发明能够实现对退役电池健康状态的高效、精准评估，显著提升了特征提取的全面性与深度建模能力，增强了SOH估算结果的可靠性与动态适应性，有效降低了误差波动，提升了评估系统对复杂退役状态的泛化能力。

本发明授权一种用于退役电池的健康评估方法及系统在权利要求书中公布了：1.一种用于退役电池的健康评估方法，其特征在于：包括， 识别退役电池标识并自动生成评估任务编号，将电池状态设为“待检测”； 设定电池充电模式，实时采集电池状态数据并提取电池特征构建特征向量G； 所述电池状态数据包括电压、电流和时间数据； 将特征向量G输入并行注意力神经网络进行静态SOH估算，得到初步SOH估计值，使用联合扩展卡尔曼滤波进行SOH修正，并得到当前等效内阻估值； 基于当前等效内阻估值和实时电压估算电池最大可用功率，基于SOH和进行电池健康等级划分和应用场景推荐； 将所有数据封装为评估报告并进行云端归档存储； 所述将特征向量G输入并行注意力神经网络进行静态SOH估算，得到初步SOH估计值包括： 将特征向量G按照特征来源划分为两个子向量，包括时间序列特征向量和形态特征向量，分别用于不同模型通道处理； 从中提取反映电池荷电特性演化的主变量，记作信号序列xt，使用经验模态分解算法，将信号序列xt分解为若干本征模态函数及残差； 选取前两阶IMF分量和用作重构主序列； 将所有时间步的特征组合为输入张量，其中，t是时间步，d是每个时间步上的输入特征维度数； 使用LSTM模型构建时间通道，构建第一层LSTM-1，初始化输入维度、隐藏单元数量、激活函数，将输入使用线性层升维至相同维度以匹配残差维度，对每个时间步的输出向量进行归一化； 将归一化后的输出向量送入第二层LSTM-2网络，将输入使用线性层升维至相同维度以匹配残差维度，对每个时间步的输出向量进行归一化，对输出向量进行时间平均池化操作，将池化后的向量送入全连接网络，并由输出层输出； 收集历史电池数据作为训练集输入LSTM模型中进行迭代训练，定义均方误差作为训练目标损失函数和Adam优化器进行模型参数迭代优化，若连续P轮验证误差未下降，则停止迭代，得到最优模型参数作为初始参数集E； 将E展开为一维向量，作为粒子的初始位置并初始化APSO群体，设定群体大小，并为每个粒子同时初始化一个速度向量； 开始迭代优化，设定最大轮数，对每个粒子执行速度和位置更新，计算每个粒子对应的适应度值，更新个体最优与全局最优解； 在完成APSO的全局搜索迭代后，直接提取当前全局最优粒子位置作为最终优化解并还原为LSTM模型参数结构，将优化后的参数加载至原始LSTM模型中得到优化后的模型； 将输入优化后的LSTM模型中得到初步的SOH预测值； 使用Attention构建形态特征通道，设定多头注意力参数，包括注意力头数和每个头的输出维度，为每个注意力头分别构建三组映射矩阵，对进行线性变换得到查询Q、键K、值V张量，对每个注意力头执行自注意力计算，将所有头的输出向量沿维度拼接，形成最终注意力建模输出，表示当前形态特征通道所建模得到的健康状态表征向量； 接收时间通道和形态特征通道的输出并拼接形成融合向量，构建MLP网络结构，包括输入层、隐藏层和输出层，将输入MLP中得到初步SOH估计值。

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昆明电器科学研究所，其通讯地址为：650221 云南省昆明市五华区莲花街道教北社区五台路2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”。