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！

龙图腾网获悉长安大学申请的专利一种基于深度学习的锂离子电池管理系统及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：CN116031508B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211669308.6，技术领域涉及：H01M10/42；该发明授权一种基于深度学习的锂离子电池管理系统及方法是由张林;李彦波;黄鑫荣;徐先峰设计研发完成，并于2022-12-24向国家知识产权局提交的专利申请。

本一种基于深度学习的锂离子电池管理系统及方法在说明书摘要公布了：一种基于深度学习的锂离子电池管理系统及方法，包括中央控制模块、状态监测模块、环境传感模块、人机交互模块、显示预警模块和深度学习模块；环境传感模块、人机交互模块、状态监测模块、显示预警模块和深度学习模块均连接到中央控制模块；状态监测模块连接锂离子电池和深度学习模块；本发明采用深度学习方法，基于历史测试数据，建立可以精确反映不同工作状态下锂离子电池的电学特性，为电池的荷电状态和健康状态监测提供参考。并可以根据需求更新训练数据，从而可以充分考虑每个锂离子电池的个性化差异，为用户提供更精确的锂离子电池荷电状态和健康状态。

本发明授权一种基于深度学习的锂离子电池管理系统及方法在权利要求书中公布了：1.一种基于深度学习的锂离子电池管理方法，其特征在于，基于所述的基于深度学习的锂离子电池管理系统，包括中央控制模块、状态监测模块、环境传感模块、人机交互模块、显示预警模块和深度学习模块；环境传感模块、人机交互模块、状态监测模块、显示预警模块和深度学习模块均连接到中央控制模块；状态监测模块连接锂离子电池和深度学习模块； 环境传感模块用于采集锂离子电池工作环境的温度； 人机交互模块用于输入包括锂离子电池放电截至电压，显示预警模块的报警阈值和状态检测模块的采样间隔； 深度学习模块用于存放深度学习模型，根据环境传感模块和状态监测模块的测试数据计算获得的电池容量和电池剩余电量的预测值； 状态监测模块用于监测锂离子电池的实时工作状态数据； 中央控制模块用于处理与它连接的各模块传递给它的数据，输出锂离子电池停止充电和放电的信号，以及给显示预警模块输出需要显示的数据； 显示预警模块用于显示环境温度、锂离子电池的数据； 包括以下步骤： 在深度学习模块中存入预先训练好的锂离子电池电学特性深度学习模型； 在中央控制模块记录初始的电池容量； 通过人机交互模块输入锂离子电池的放电截至电压、显示预警模块的报警阈值和状态检测模块的测试时间间隔； 环境传感模块根据人机交互模块输入的检测间隔定时收集实时环境温度；所有数据汇总到中央控制模块； 状态监测模块根据人机交互模块输入的检测时间间隔定时收集锂离子电池的实时工作状态； 在电池充电阶段，中央控制模块根据状态检测模块的检测信号，提取电流随时间变化数据，计算此次的充电电量；如果此次的充电电量低于初始的电池容量的30%，那么本次充放电循环不计入总的充放电循环次数；反之，此次充电计入充放电循环次数； 在电池放电阶段，根据人机交互模块输入的检测时间间隔，定时收集锂电池的放电电流、压降、电池外壳温度、交流内阻； 中央控制模块根据人机交互模块和状态检测模块输入的汇总数据，输出锂离子电池停止充电和放电的信号； 深度学习模块根据环境传感模块和状态检测模块的输入的汇总数据，计算获得锂离子电池容量和剩余电量的预测值； 显示预警模块显示环境温度、锂离子电池的压降、锂电子电池的放电电流、锂离子电池的外壳温度、锂离子电池的剩余电量和容量、充放电循环次数； 锂离子电池电学特性深度学习模型采用以下步骤建立： 步骤1，收集同类型锂离子电池不同环境温度、放电电流、放电截至电压、不同循环次数下电池的放电电压、电池外壳温度、电池交流内阻随时间变化的数据； 步骤2，以每个测试点下对应的环境温度、锂离子电池放电截至电压、放电电流、循环次数、电池压降、电池交流内阻、电池外壳温度为输入，以此时对应的电池剩余电量和电池容量为输出，构建长短期记忆深度学习网络； 步骤3，使用深度学习框架训练深度学习模型； 步骤4，计算训练获得的模型对训练输入数据的预测值，计算预测值和实测值之间的误差，采用遗传算法寻找预测值和实测值之间的误差的最小值，以获得网络参数的最优值； 步骤5，深度学习模块根据环境传感模块和人机交互模块的输入值，计算获得锂离子电池的剩余电量和电池容量；将计算获得的数据输出至显示预警模块； 步骤6，定期将电池充电达到充电截至电压，再恒流放电至放电截至电压，记电池此放电周期下不同电池压降下的剩余电量，和此放电周期对应的电池容量 步骤7，步骤6获得的测试值与预测值进行比较，如果误差未超过10%，则将测试数据补充进历史数据中；如果误差超过10%，显示预警模块输出预警信号，再由用户决定是否补充入历史数据； 步骤8，采用步骤6获得的测试数据对深度学习模型进行训练和更新。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环路中段；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。