Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉动力电池再生技术有限公司;无锡动力电池再生技术有限公司张宇平获国家专利权

武汉动力电池再生技术有限公司;无锡动力电池再生技术有限公司张宇平获国家专利权

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!

龙图腾网获悉武汉动力电池再生技术有限公司;无锡动力电池再生技术有限公司申请的专利退役电池模组容量预测方法、装置、电子设备及存储介质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:CN116184211B

龙图腾网通过国家知识产权局官网在2025-10-28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:202211683899.2,技术领域涉及:G01R31/367;该发明授权退役电池模组容量预测方法、装置、电子设备及存储介质是由张宇平;刘虹灵;别传玉;宋华伟;黄良取;申欣设计研发完成,并于2022-12-27向国家知识产权局提交的专利申请。

退役电池模组容量预测方法、装置、电子设备及存储介质在说明书摘要公布了:本发明提供了一种退役电池模组容量预测方法、装置、电子设备及存储介质,其方法包括:构建初始神经网络模型,以短时间充放电时间、短时间充放电容量、弗雷歇距离、模组电压和内阻、以及模组与单体电压差值和内阻差值作为初始神经网络模型的输入值,模组剩余容量作为输出值,经过迭代训练,得到训练完备的神经网络模型,并基于训练完备的神经网络模型对退役动力电池模组容量进行预测。本发明通过IC曲线获取短时间充放电的电压区间段,能更好的反映模组的内部结构特性,对模组的容量能有更准确的分选;通过神经网络较强的学习能力能够更好地适应多个特征参数与放电容量的数据关系,通过构建最佳模型能够达到对电池模组容量快速预测的目的。

本发明授权退役电池模组容量预测方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种退役电池模组容量预测方法,其特征在于,包括: 获取若干退役动力电池模组在第一次充放电测试后的剩余容量; 获取所述若干退役动力电池模组第二次充放电测试的IC曲线,并选取符合预设条件的电压区间作为限制电压区间段,包括:在第二充放电能力倍率下对所述若干退役动力电池模组进行充放电曲线测试,获取所述若干退役动力电池模组的IC曲线;在电池模组的IC曲线中按照波谷-波峰-波谷对电压区间进行划分,对比各电压区间所占时间段,选取时间段最短的电压区间作为所述限制电压区间段; 在所述限制电压区间段内,获取所述若干退役动力电池模组在短时间充放电测试下的短时间充放电曲线、短时间充放电时间和短时间充放电容量值; 获取所述若干退役动力电池模组中两两电池模组之间的短时间充放电曲线的弗雷歇距离; 获取所述若干退役动力电池模组的端电压和内阻,以及所述若干退役动力电池模组中所有单体电池的端电压和内阻,并计算各单体电池端电压和与模组电压差值以及各单体电压内阻和与模组内阻差值; 构建初始神经网络模型,以所述短时间充放电时间、短时间充放电容量、弗雷歇距离、模组电压和内阻、以及模组与单体电压差值和内阻差值作为所述初始神经网络模型的输入值,模组剩余容量作为输出值,经过迭代训练,得到训练完备的神经网络模型,并基于所述训练完备的神经网络模型对退役动力电池模组容量进行预测。

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武汉动力电池再生技术有限公司;无锡动力电池再生技术有限公司,其通讯地址为:430416 湖北省武汉市新洲区双柳街道星谷大道路168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。