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！

龙图腾网获悉电子科技大学申请的专利一种在用新能源汽车动力电池容量衰减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：CN116090354B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310180596.7，技术领域涉及：G06F30/27；该发明授权一种在用新能源汽车动力电池容量衰减预测方法是由邓忠伟;刘兴;徐乐;刘弘奥;段志轩;徐瑜设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种在用新能源汽车动力电池容量衰减预测方法在说明书摘要公布了：该发明公开了一种一种在用新能源汽车动力电池容量衰减预测方法，属于新能源汽车电池管理领域。能够有效补偿局部容量预测误差。由于电池容量受日历时间和温度的影响，容量衰减曲线存在局部回升或突降。基于神经网络的大部分容量预测模型能够有效捕捉电池容量的整体衰减趋势，但无法捕捉其局部变化。本发明提出的容量预测残差补偿模型，能够有效补偿由于日历时间和温度不同导致的局部容量预测误差。

本发明授权一种在用新能源汽车动力电池容量衰减预测方法在权利要求书中公布了：1.一种在用新能源汽车动力电池容量衰减预测方法，包括以下步骤： S1：基于车辆充电数据提取标签容量，具体包括： S11：利用充电设备采集新能源汽车充电信息，包括时间、总电压、电流、SOC、单体最高电压、单体最低电压、单体最高温度、单体最低温度，记录并存储上述充电数据；针对每一次充电过程，利用如下变形的安时积分公式计算得到电池容量数据， 1； 其中，Ca为计算的电池容量，Δt为采样间隔，I为充电电流，充电时为负数，t1和t2为充电起始和终止时刻，为充电起始SOC，为充电终止SOC； S12：设置固定时间窗口，利用该时间窗口内的多个充电过程，计算得到的多个电池容量，并进行求中位值得到标签容量；利用历史充电信息，提取车辆行驶2-5年的标签容量，得到动力电池的容量衰减轨迹；如果获得的容量衰减轨迹未呈现下降趋势，需要调整时间窗口或删除充电时间短于设定阈值的数据，然后重新计算得到容量衰减轨迹； S2：从充电数据中提取表征电池容量衰减的特征集；具体包括： S21：固定时间窗口，计算该时间窗口内充电数据，包括：总电压、电流、SOC、单体最高电压、单体最低电压、单体最高温度、单体最低温度、单体压差、单体温差的均值、总和、标准差，将它们视为待选特征； S22：计算不同待选特征与电池容量的皮尔逊相关系数和灰色关联度；其中，皮尔逊相关系数计算公式为： 2； 其中，xi为第i个特征序列，为容量序列，和分别是第i个特征序列和容量序列的平均值，为相关系数；灰色关联度的计算公式为： 3； 4； 其中，n为序列长度，k表示第k个数据点，ρ为分辨系数，表示第k个数据点的容量序列，表示第k个数据点中第i个特征序列； S23：利用特征筛选策略根据皮尔逊相关性系数和灰色关联度，选出与电池容量强相关且各特征间相关性低的特征集，具体步骤为：选取皮尔逊相关性系数0.5或灰色关联度0.8的特征作为待选特征集，并根据皮尔逊相关性系数进行从大到小排列，然后从大到小依次从待选特征集中去除掉自相关性系数或自灰色关联度0.9的特征，最后剩余的特征集即为最佳特征集；所述自相关性系数表示当前特征与当前待选特征集中其余特征的皮尔逊相关性系数；自灰色关联度表示当前特征与当前待选特征集中其余特征的灰色关联度； S3：基于提取的标签容量和特征集，使用数据驱动方法预测动力电池容量衰减；具体包括： S31：利用序列对序列神经网络，以前20%-50%标签容量和特征数据作为输入，之后的标签容量序列作为输出，建立动力电池容量衰减轨迹预测模型；将该模型的预测误差定义为△y； S32：利用高斯过程回归算法，以月份、单体最高温度和单体最低温度为输入，以序列对序列模型的预测误差△y为输出，建立动力电池容量预测残差的补偿模型；该补偿模型仅能进行单点估计，为了预测未来的容量残差，需要知道未来的单体最高温度和单体最低温度，实际操作时，根据历史年份的温度数据来进行设定； S33：最终的容量衰减预测结果等于序列对序列模型的结果加上高斯过程回归模型的结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。