浙江工业大学柯欣江获国家专利权
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！
龙图腾网获悉浙江工业大学申请的专利基于DICEEMDAN与混合深度学习的储能锂电池寿命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：CN120522583B 。
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：202511028909.2，技术领域涉及：G01R31/367；该发明授权基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法是由柯欣江;魏春;余淞;章成设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。
本基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法在说明书摘要公布了：一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法，属于数据处理、锂电池寿命预测领域，首先，将锂电池容量数据使用DICEEMDAN进行分解降噪重构处理，得到多个子序列，通过改进的双向时序卷积网络对高频子序列进行特征提取，针对不同频率的子序列存在的不同数据特性，设计了一种差异化混合深度神经网络，将提取到的特征数据作为深度神经网络的输入，最后使用优化权重的方式对多个神经网络预测进行整合，得到最终的预测结果。本发明在实际锂电池老化数据集上得到了验证，实验结果表明，对于储能锂电池剩余使用寿命的预测具有较高的准确性。
本发明授权基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法在权利要求书中公布了：1.一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法，其特征在于，所述方法包括以下步骤： S1，获取储能锂电池历史充放电循环的容量数据，数据中存在容量再生和全局非线性特征，使用双改进自适应噪声完备集合经验模态分解DICEEMDAN对数据进行降噪重构处理，得到多个特征子序列； S2，针对分解后不同频率的子序列存在的不同特征，使用改进的双向时序卷积网络对高频序列进行特征提取，把提取到的特征数据和原始序列中的低频数据重新组合，作为混合深度神经网络的输入数据； S3，建立差异化的混合神经网络，对于高频子序列，采用双向长短期记忆网络进行预测；对于相对低频的子序列，采用长短期记忆网络进行预测，通过一种优化权重的整合方法，得到最后的预测结果。
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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励