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！

龙图腾网获悉北京大学申请的专利基于典型相关分析的锂离子电池电量实时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：CN116106761B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310042019.1，技术领域涉及：G01R31/385；该发明授权基于典型相关分析的锂离子电池电量实时估计方法是由杨莹;倪子川设计研发完成，并于2023-01-12向国家知识产权局提交的专利申请。

本基于典型相关分析的锂离子电池电量实时估计方法在说明书摘要公布了：本发明公布了一种基于典型相关分析的锂离子电池电量实时估计方法，属于电动汽车电池管理技术领域，涉及锂离子电池的电量估计方法，使用在不同电池工况下采集的电池电流、电压、温度数据，计算得到真实电量值，作为输出标签数据；通过构建典型相关分析回归电量实时估计模型并训练模型参数，得到训练好的预测模型，模型输入为电池特征数据、输出为电量待估计值；根据电池状态实时估计，通过粒子滤波给定噪声情形更新电量估计值，得到最优电量估计。

本发明授权基于典型相关分析的锂离子电池电量实时估计方法在权利要求书中公布了：1.一种基于典型相关分析的锂离子电池电量实时估计方法，使用在不同电池工况下采集的电池电流、电压、温度数据，计算得到真实电量值，作为输出标签数据；通过构建典型相关分析回归电量实时估计模型并训练模型参数，得到训练好的预测模型，模型输入为电池特征数据、输出为电量待估计值；根据电池状态实时估计，通过粒子滤波给定噪声情形更新电量估计值，得到最优电量估计；包括如下步骤： 1在不同电池工况下采集电池电流、电压、温度数据；进行典型相关性建模，建立典型相关系数，用于反映电池输入特征与输出电量的相关性；输入包括电池电流、电压、温度数据，输出为电量状态的标签数据； 所述进行典型相关性建模，通过最大化典型相关系数，建立电池特征输入与电量状态输出间的相关性，包括： 假设每时刻电池特征输入变量a∈Rp，电量状态输出变量b∈Rq，电池特征包括电流、电压、温度；电量状态即电量标签数据；通过典型相关分析寻找待求解的典型相关参数β∈Rp,θ∈Rq，p、q为向量维度；进一步由参数与输入输出数据分别得到两组线性组合，表示为： U＝βTa＝β1a1+β2a2+…+βpap, V＝θTb＝θ1b1+θ2b2+…+θqbq式1 典型相关分析寻求参数β,θ的解，使得上述线性组合的相关性系数最大，优化形式表示为： 其中ρ为典型相关系数，β为关于特征输入变量a的典型相关参数，θ为关于电量状态输出b的典型相关参数，∑aa为特征输入a的协方差矩阵，∑bb为电量状态输出b的协方差矩阵，∑ab为特征输入a与电量输出b之间的协方差矩阵； 2进行数据预处理，构建电池输入数据矩阵和电池输出数据矩阵，并将数据分成训练集与交叉验证集； 3建立相关分析回归电量实时估计模型； 将相关分析回归电量实时估计模型的目标函数表示为： 其中，A,B为步骤2中预处理后的电池输入数据矩阵和电池输出数据矩阵；β为待优化求解的关于输入矩阵A的典型相关参数，θ为待求解的关于输出矩阵B的典型相关参数；β∈Rp,θ∈Rq；λ1为针对回归参数β项的正则化惩罚项超参数，λ2为针对回归参数θ项的正则化惩罚项超参数，用于优化建立的相关分析回归模型；‖‖2表示l2范数的平方； 4进行相关分析回归电量实时估计模型求解，得到模型参数；根据求解得到的模型参数，估计得到实时电池剩余电量； 电量实时估计模型求解包括如下步骤： 41调整和确定超参数的取值，包括λ1,λ2以及多项式映射的次数； 42在给定超参数取值下，优化典型相关分析的目标函数，使用梯度下降法借助matlab工具包的fmincon函数求解约束下的最小化目标函数；求得参数β,θ； 对新采集到的电池输入特征数据a＝[I,V,T]为待预测数据，通过回归求出电池电量状态，表示为： 其中，为典型相关分析回归得到的电池电量状态；μ1表示电池特征输入数据扩充矩阵的逐列的元素的均值向量，σ1表示输入数据扩充矩阵的逐列的元素的标准差向量；φ表示多项式映射； 5通过粒子滤波在线更新误差，求得最优电量状态估计值； 通过上述步骤，实现基于典型相关分析的锂离子电池电量实时估计。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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”。