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！

龙图腾网获悉华南理工大学申请的专利一种基于图神经网络的锂离子电池健康状态预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：CN114675186B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210178592.0，技术领域涉及：G01R31/367；该发明授权一种基于图神经网络的锂离子电池健康状态预测方法是由杨宁;余涛设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种基于图神经网络的锂离子电池健康状态预测方法在说明书摘要公布了：本申请公开了一种基于图神经网络的锂离子电池健康状态预测方法。所述方法包括以下步骤：获取锂离子电池各个半循环的健康状态；构建图的节点、节点的特征和标签，并设定窗口大小；将图数据划分为训练集、验证集和测试集，并对图数据进行归一化处理；采用图神经网络的方法对训练集数据进行训练学习，并对测试集样本进行测试，从而实现锂离子电池健康状态预测。本发明既可综合考量，又可以考虑历史充放电对未来健康状态的影响，故本发明准确率相对更高；此外，本发明避免了繁杂的对电压、电流和温度的特征工程工作。

本发明授权一种基于图神经网络的锂离子电池健康状态预测方法在权利要求书中公布了：1.一种基于图神经网络的锂离子电池健康状态预测方法，其特征在于，包括以下步骤： S1、获取锂离子电池各个半循环的健康状态； S2、构建图的节点、节点的特征和标签，并设定窗口大小；将一次完整的充放电循环视作节点，将相邻两个半循环的健康状态作为节点的特征，将经历若干充放电循环后的半循环健康状态作为图标签；设定节点个数N即窗口大小，从而建立图g，通过滑窗，形成M个同构图gm，m＝1～M，图集合G＝{g1,g2,g3,...gM}； S3、将图数据划分为训练集、验证集和测试集，并对图数据进行归一化处理；将M个同构图gm划分为训练集Gtrain＝{g1 train,g2 train,g3 train,...gp train}，其中，上下标train代表训练集，p代表训练集的样本个数，gp train表示训练集Gtrain中的第p个训练图；验证集Gvalid＝{g1 valid,g2 valid,g3 valid,...gb valid}，其中，上下标valid代表验证集，b代表训练集的样本个数，gb valid表示训练集Gvalid中的第b个训练图；测试集Gtest＝{g1 test,g2 test,g3 test,...gq test}，其中，上下标test代表测试集，q代表测试集的样本个数，gq test表示测试集Gtest中的第q个测试图，其中，p+b+q＝M；对于训练集Gtrain中的训练图gp train，找出所有训练图gp train的所有节点中的两个半循环，用f和a区别的健康状态的最大值和最小值； 对于训练集Gtrain所有训练图的所有节点，进行极值归一化： 对于验证集Gvalid所有验证图和测试集Gtest所有测试图的所有节点，进行极值归一化： 其中，SOHf·s·t、SOHa·s·t分别代表训练集中第s个训练图中第t个节点归一化前的前后两个半循环的健康状态；SOHf·j·k、SOHa·j·k分别代表测试集中第j个验证图或测试图中第k个节点归一化前的恒流充电时长、恒压充电时长和恒流放电时长；为训练集中第s个训练图中第t个节点归一化后的恒流充电时长、恒压充电时长和恒流放电时长；为验证集或测试集中第j个图中第k个节点归一化后的前后两个半循环的健康状态；SOHg·s代表训练集中第s个训练图归一化前的标签，为训练集中第s个训练图归一化后的标签，SOHg·j代表验证集或测试集中第j个图归一化前的标签，为验证集或测试集中第j个图归一化后的标签，EOL为健康状态转折的标准，多用于剩余寿命预测，取0.7～0.8； S4、采用图神经网络的方法对训练集数据进行训练学习，并对测试集样本进行测试，从而实现锂离子电池健康状态预测。

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南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。