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！

龙图腾网获悉山东大学申请的专利融合应力特征和物理约束的电池SOC估计方法及系统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：CN121208655B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511767627.4，技术领域涉及：G01R31/367；该发明授权融合应力特征和物理约束的电池SOC估计方法及系统是由张承慧;于淼;商云龙;张小强设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本融合应力特征和物理约束的电池SOC估计方法及系统在说明书摘要公布了：本发明属于锂离子电池SOC估计技术领域，提供了一种融合应力特征和物理约束的电池SOC估计方法及系统，获取电池不同工况下的充放电过程中的分布式应力数据，得到应力分布矩阵；根据应力分布矩阵，提取应力特征，建立包含电压、电流及应力演化的物理约束方程组，将物理约束方程组引入损失函数，形成物理一致性约束项；构建神经网络模型，将神经网络模型与物理一致性约束项进行多尺度融合，调整损失函数权重，形成最终的估计模型，利用时序数据对估计模型进行训练；利用训练后的估计模型得到电池SOC估计结果。本发明有效的提高了电池SOC估计的准确性。

本发明授权融合应力特征和物理约束的电池SOC估计方法及系统在权利要求书中公布了：1.一种融合应力特征和物理约束的电池SOC估计方法，其特征是，包括以下步骤： 获取电池不同工况下的充放电过程中的分布式应力数据，进行预处理，得到应力分布矩阵； 获取电池不同工况下的充放电过程中的温度、电压、电流及时间数据并预处理，结合应力数据，构成时序数据； 根据应力分布矩阵，提取应力特征，分析各应力特征和SOC变化的相关性，保留相关性满足要求的应力特征； 基于电池电化学与力学机理，建立包含电压、电流及应力演化的物理约束方程组，将所述物理约束方程组引入损失函数，形成物理一致性约束项； 构建神经网络模型，所述神经网络模型用于捕捉时序数据之间的动态依赖特征，学习SOC随时间变化的动态模式，将神经网络模型与物理一致性约束项进行多尺度融合，调整损失函数权重，形成最终的估计模型，利用时序数据对估计模型进行训练； 获取目标时刻的分布式应力、温度、电压、电流及时间数据，进行预处理后，利用训练后的估计模型得到电池SOC估计结果； 基于电池电化学与力学机理，建立包含电压、电流及应力演化的物理约束方程组，将所述物理约束方程组引入损失函数的过程包括： 损失函数为：；； ； 其中，时刻的平均应力、时刻的标准差、时刻的变异系数，时刻的应力极差，Ahdata分别代表损失函数中的机械损失、库伦损失以及数据损失部分，PINN代表总损失函数，分别代表时刻SOC真实值和估计值，代表电池效率，re代表电池总容量，代表时刻采集的电流数据，分别代表各部分损失函数的权重，根据具体电池工况设置。

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山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923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。