发明专利已授权

基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法

📄 申请号：CN202511028909.2 📄 发布日：2026/08/04

著录项目信息

申请日

2025-07-25

公开号

CN120522583A

公开日

2025-08-22

申请人

浙江工业大学

法律状态

已下证

专利类型

发明

主分类号

G01R31_367

IPC 分类号

G01R31_367 , G01R31_396 , G01R31_392 , G06F18_10 , G06F18_213 , G06N3_0464 , G06N3_08 ,

技术画像

所属领域

电池寿命预测电池寿命预测深度学习信号处理

应用场景

储能系统, 电池管理系统, 新能源汽车, 电力调峰, 设备维护

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法，属于数据处理、锂电池寿命预测领域，首先，将锂电池容量数据使用DICEEMDAN进行分解降噪重构处理，得到多个子序列，通过改进的双向时序卷积网络对高频子序列进行特征提取，针对不同频率的子序列存在的不同数据特性，设计了一种差异化混合深度神经网络，将提取到的特征数据作为深度神经网络的输入，最后使用优化权重的方式对多个神经网络预测进行整合，得到最终的预测结果。本发明在实际锂电池老化数据集上得到了验证，实验结果表明，对于储能锂电池剩余使用寿命的预测具有较高的准确性。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

一种基于多生成器的环境因素引导的台风多趋势预测方法

当前第 / 件

一种具有物理密封结构的人工肌肉

同领域国内专利 · IPC: (G01R31_367)

G01R31_00 G01R31_01 G01R31_02 G01R31_08 G01R31_11 G01R31_12 G01R31_14 G01R31_16 G01R31_18 G01R31_24 G01R31_26 G01R31_265 G01R31_28 G01R31_317 G01R31_3177 G01R31_3185 G01R31_327 G01R31_34 G01R31_36 G01R31_364 G01R31_367 G01R31_378 G01R31_379 G01R31_382 G01R31_3835 G01R31_3842 G01R31_385 G01R31_387 G01R31_388 G01R31_389 G01R31_392 G01R31_396 G01R31_40 G01R31_42 G01R31_44 G01R31_50 G01R31_52 G01R31_54 G01R31_55 G01R31_56 G01R31_58 G01R31_62 G01R31_64 G01R31_66 G01R31_67 G01R31_68 G01R31_69 G01R31_72 覆盖48个领域

相似专利推荐 AI 驱动 · 同领域

暂无同领域相似专利推荐

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：18 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)