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！

龙图腾网获悉东北电力大学申请的专利基于解构物理信息的锂离子电池健康状态评估方法、设备、介质及产品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：CN120610170B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510986200.7，技术领域涉及：G01R31/367；该发明授权基于解构物理信息的锂离子电池健康状态评估方法、设备、介质及产品是由王瀛洲;于怀汶;张月宁;王冰飞;张淼;刘晓俐;郭金航;李天屹;王建国;张秀宇;杨彦军设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于解构物理信息的锂离子电池健康状态评估方法、设备、介质及产品在说明书摘要公布了：本申请公开了一种基于解构物理信息的锂离子电池健康状态评估方法、设备、介质及产品，涉及锂离子电池健康状态评估技术领域，包括多维健康因子提取，并将其输入融合自注意力机制模块和Koopman神经算子模块的深度物理信息神经网络，输出SOH估计值。通过提取适用于多工况的通用健康因子，解决了健康因子普适性不足的问题；利用自注意力机制增强特征并减少冗余，增强模型对关键信息的感知能力；借助Koopman神经算子解构物理信息，将电池退化的物理机制融入模型，增强了模型的物理可解释性；深度物理信息神经网络融合多维度信息进行估计，有效应对了不同电池个体差异和复杂工况，从而实现了高精度、强鲁棒性的锂离子电池SOH估计。

本发明授权基于解构物理信息的锂离子电池健康状态评估方法、设备、介质及产品在权利要求书中公布了：1.一种基于解构物理信息的锂离子电池健康状态评估方法，其特征在于，所述基于解构物理信息的锂离子电池健康状态评估方法包括： 实时采集每一循环次数下目标锂离子电池充电阶段的运行数据； 对每一组循环次数下的所述运行数据进行特征提取，获得多维通用健康因子集合； 将所述多维通用健康因子集合作为输入，利用训练好的锂离子电池健康状态评估模型输出每一循环次数下的SOH估计值，其中，所述锂离子电池健康状态评估模型为融合自注意力机制模块和Koopman神经算子模块的深度物理信息神经网络，所述自注意力机制模块用于对所述多维通用健康因子集合进行特征增强，输出增强特征集合，所述Koopman神经算子模块用于对所述增强特征集合进行物理信息解构，输出物理衰减速率，所述深度物理信息神经网络用于根据所述增强特征集合和所述物理衰减速率输出所述SOH估计值； 所述锂离子电池健康状态评估模型的训练过程包括： 获取锂离子电池全生命周期运行数据； 对所述锂离子电池全生命周期运行数据进行预处理，得到以循环次数为索引、带SOH标签的时间序列数据； 对所述时间序列数据中的充电数据进行特征提取，获得样本多维通用健康因子集合，其中，所述充电数据包括恒流阶段充电数据和恒压阶段充电数据； 基于带残差连接的自注意机制对所述样本多维通用健康因子集合进行特征增强，得到样本增强特征集合； 基于Koopman神经算子对所述样本增强特征集合进行物理信息解构，输出样本物理衰减速率； 将所述样本增强特征集合和所述样本物理衰减速率作为输入，通过最小化损失函数训练深度物理信息神经网络，输出锂离子电池每一循环次数下的SOH估计值； 基于Koopman神经算子对所述样本增强特征集合进行物理信息解构，输出样本物理衰减速率，具体包括： 基于所述样本增强特征集合和循环次数构建电池广义动态退化方程； 基于Koopman神经算子求解所述电池广义动态退化方程，得到样本物理衰减速率； 所述基于Koopman神经算子求解所述电池广义动态退化方程，得到样本物理衰减速率，具体包括： 通过观测函数将所述样本增强特征集合和所述循环次数映射到观测空间，并进行傅里叶变换，得到频域数据； 将所述频域数据分成低频部分和高频部分； 根据所述低频部分构建Hankel矩阵； 通过训练线性层从所述Hankel矩阵中学习Koopman算子，并利用所述Koopman算子对矩阵最新片段进行线性变换，预测未来循环次数下的低频预测结果； 通过一维卷积层对高频部分提取波动信息，得到未来循环次数下的高频预测结果； 融合所述低频预测结果和所述高频预测结果，得到所述样本物理衰减速率。

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东北电力大学，其通讯地址为：131012 吉林省吉林市船营区长春路169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。