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！

龙图腾网获悉内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司申请的专利基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监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：CN120122002B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510622556.2，技术领域涉及：G01R31/382；该发明授权基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监测方法是由薛守洪;岳鹏飞;杨耀国;张若朋;褚文超;吴立霞;康谦;李龙;吕小龙;王延国;黑文斌设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监测方法在说明书摘要公布了：本发明提供基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监测方法，涉及电池监测技术领域，该方法通过分布式传感器阵列实时采集电池模组数据，生成时间‑空间对齐的实时多维度动态参数集。动态选择最优状态估计模型，基于三维温度场数据构建非线性温度漂移补偿函数，结合径向基神经网络对电池内阻进行实时动态修正，利用时变衰减特征结合应力‑容量衰减关联模型生成老化补偿系数。采用迁移学习机制对卡尔曼滤波参数进行在线迭代更新，并通过三重冗余校验模块对各阶段SOC估计值进行综合校验和修正，输出最终SOC估计值。本发明通过多维度数据融合、模型动态优化及迁移学习机制，显著提高了磷酸铁锂储能电站SOC监测的精度与可靠性。

本发明授权基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监测方法在权利要求书中公布了：1.基于卡尔曼滤波的磷酸铁锂储能电站SOC高精度监测方法，其特征在于，包括： 步骤1，通过分布式传感器阵列实时采集储能电站中磷酸铁锂电池模组的电压、电流、三维温度场数据及表面应力信号，并进行预处理，生成时间-空间对齐的实时多维度动态参数集； 步骤2，将所述实时多维度动态参数集输入改进型多模型自适应卡尔曼滤波架构，所述架构包含基础等效电路模型、温度补偿模型及老化修正模型三类子模型，通过模型概率加权算法从三类子模型中动态选择最优状态估计模型，输出初始SOC估计值； 步骤3，基于所述实时多维度动态参数集中的三维温度场数据构建非线性温度漂移补偿函数，基于径向基神经网络对电池内阻进行实时动态修正，并将修正后的电池内阻参数反馈至所述温度补偿模型，优化初始SOC估计值，生成第二SOC估计值； 步骤4，利用预训练的LSTM时序预测网络提取所述实时多维度动态参数集中电池极化电压的时变衰减特征，结合应力-容量衰减关联模型生成老化补偿系数，并反馈至所述老化修正模型，优化第二SOC估计值，得到第三SOC估计值； LSTM时序预测网络的训练过程是以历史循环数据中的容量衰减轨迹为训练集，预测极化电压的时变衰减斜率，所述历史循环数据包括历史多维度动态参数集中的电压、电流、三维温度场数据及表面应力信号，以及对应的SOC变化轨迹；结合应力-容量衰减关联模型生成老化补偿系数的方法包括：将LSTM时序预测网络提取的时变衰减特征输入应力-容量衰减关联模型，计算电极活性物质损失率；将磷酸铁锂电池模组的电化学阻抗谱特征与充放电循环次数进行加权融合，生成综合健康因子；在卡尔曼滤波更新阶段，根据电极活性物质损失率、综合健康因子和老化补偿矩阵计算老化补偿系数； 步骤5，采用迁移学习机制对卡尔曼滤波参数进行在线迭代更新，并通过三重冗余校验模块对初始SOC估计值、第二SOC估计值和第三SOC估计值进行综合校验和修正，输出最终SOC估计值； 所述三重冗余校验模块包括开路电压校验单元、电化学阻抗校验单元、库仑计数校验单元和模糊逻辑仲裁器；所述开路电压校验单元用于在静置阶段采集平衡电压，通过查表法获取基准SOC参考值；所述电化学阻抗校验单元用于施加1kHz~10mHz扫频信号，通过弛豫时间常数反推可用容量；所述库仑计数校验单元用于累计充放电净电荷量，结合温度补偿后的额定容量计算SOC；所述模糊逻辑仲裁器用于根据当前工况动态为所述开路电压校验单元获取的基准SOC参考值、所述电化学阻抗校验单元反推的可用容量和所述库仑计数校验单元计算的SOC分配权重系数，当三者偏差超过1%时触发人工复核指令。

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内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司，其通讯地址为：010010 内蒙古自治区呼和浩特市玉泉区锡林南路21号内蒙古电力科学研究院科研楼；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”。