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！

龙图腾网获悉浙江浙能电力股份有限公司萧山发电厂;浙江大学;湖州工业控制技术研究院申请的专利面向大型储能电池系统的共享-补偿式高效健康评估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：CN120370167B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510805005.X，技术领域涉及：G01R31/367；该发明授权面向大型储能电池系统的共享-补偿式高效健康评估方法是由汤碧君;王丹依;许卢越;谢睿捷;吴森南;赵春晖;杨佳阳;郏振崴;陈裕庆设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本面向大型储能电池系统的共享-补偿式高效健康评估方法在说明书摘要公布了：本发明公开了一种面向大型储能电池系统的共享‑补偿式高效健康评估方法，该方法面向电站中电池众多且彼此存在健康差异的特点，提出了一种基于共享与差异补偿的状态估计建模策略。首先挖掘电池集群退化知识表征，构建多电池可共用的健康状态估计基础模型；接着设计残差引导的电池聚类策略，揭示电池健康特性差异模式，并针对不同模式电池实施迭代式差异化模型精度追加；最后开发自适应掩码模型选择策略，实现面向任意电池的健康状态估计模型选择与高效复用。在一项具体实施例中，本发明在多个电池的健康状态估计方面均取得了10‑5量级的均方误差性能；本发明能为大规模电池设备高效精准的健康状态估计提供解决方案。

本发明授权面向大型储能电池系统的共享-补偿式高效健康评估方法在权利要求书中公布了：1.一种面向大型储能电池系统的共享-补偿式高效健康评估方法，其特征在于，包括以下步骤： 1获取储能电池系统的电池采样数据总集合和对应的健康状态指标总集合，构建电池集群退化专家知识表征总集合；所述构建电池集群退化专家知识表征总集合，具体包括： 根据电池采样数据总集合中任意一个电池的任意一次充电-放电循环的测点数据向量获取对应的容量增量指标向量，并对其进行规整化操作，得到对应的规整化后的样本向量； 对规整化后的样本向量进行切分操作，并根据切分后的每个子集中的容量增量指标以及对应的电压值获取多个局部轮廓指标，以得到对应的电池集群退化专家知识表征向量； 针对电池采样数据总集合中每一个电池的每一次充电-放电循环的所有测点数据向量重复上述步骤，得到电池集群退化专家知识表征总集合； 2从健康状态指标总集合和电池集群退化专家知识表征总集合中随机选取B0个电池的数据进行标准化处理后训练长短期记忆网络模型，以得到健康状态估计局部共享模型； 3基于健康状态估计局部共享模型，保留大于等于偏差水平阈值的B1个电池并进行残差谱聚类操作，得到P个聚类簇；所述步骤3具体包括如下子步骤： 3.1被选择的B0个电池对应的标准化处理后的电池集群退化专家知识表征集合输入至对应的健康状态估计局部共享模型中，得到第二健康状态预测指标总集合，并将其和对应的标准化处理后的健康状态指标向量做健康状态估计残差计算，得到第一健康状态估计残差总集合； 3.2根据第一健康状态估计残差总集合获取平均估计偏差水平集合，以保留平均估计偏差水平大于等于偏差水平阈值的电池，得到B1个被保留的电池； 3.3对于B1个被保留的电池，根据各自对应的健康状态估计残差向量和自然数Sc获取残差嵌入向量；以残差嵌入向量为特征，使用谱聚类对B1个被保留的电池进行聚类，得到P个聚类簇； 4利用P个聚类簇分别训练得到多个健康状态估计补偿模型，去重后得到最终健康状态估计模型集合；所述步骤4具体包括如下子步骤： 4.1对于步骤3.3得到的所有聚类簇，将其中每个聚类簇中所有电池对应的标准化处理后的电池集群退化专家知识表征集合输入至支持向量回归模型中，得到第三健康状态预测指标总集合，并将其和该聚类簇中所有电池对应的健康状态估计残差向量做均方误差计算，得到第二损失函数；基于第二损失函数对支持向量回归模型进行训练，并将该聚类簇中电池对应的健康状态估计局部共享模型更新为该聚类簇中电池当前的健康状态估计局部共享模型与训练好的支持向量回归模型的和，并判断当前更新后的健康状态估计局部共享模型经历的求和次数是否大于阈值Mp，若否则执行步骤4.2，反之则将当前该健康状态估计局部共享模型记录为一个健康状态估计补偿模型，并结束对该聚类簇的操作； 4.2然后将该聚类簇中所有电池对应的标准化处理后的电池集群退化专家知识表征集合作为输入，重复步骤3.1-步骤3.2，得到该聚类簇被保留的电池的数量；若被保留的电池的数量为0，则将该聚类簇对应的健康状态估计局部共享模型记录为一个健康状态估计补偿模型，并结束对该聚类簇的操作；反之则将被保留的电池对应的标准化处理后的电池集群退化专家知识表征集合重复步骤3.3以及步骤4.1-步骤4.2，直到遍历所有聚类簇并操作完成； 4.3收集步骤4.1和步骤4.2得到的所有的健康状态估计补偿模型，并去除重复的健康状态估计补偿模型，以此构成最终的健康状态估计模型集合； 5利用剩余电池对应的标准化处理后的数据和最终健康状态估计模型集合对多层感知机模型进行训练，得到自适应掩码选择网络； 6利用自适应掩码选择网络以及最终健康状态估计模型集合估计得到待估计电池对应的最终健康状态估计指标。

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浙江浙能电力股份有限公司萧山发电厂;浙江大学;湖州工业控制技术研究院，其通讯地址为：311251 浙江省杭州市萧山区临浦镇元宝山路1号附近萧山发电厂行政楼210室；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”。