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！

龙图腾网获悉四川凌翼新能智控动力技术有限公司申请的专利一种锂电池SOC端云协同深度学习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：CN119692168B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411683537.2，技术领域涉及：G06F30/27；该发明授权一种锂电池SOC端云协同深度学习估计方法及系统是由杨林;孟易真;杨金波;羌嘉曦设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种锂电池SOC端云协同深度学习估计方法及系统在说明书摘要公布了：本发明公开了一种锂电池SOC端云协同深度学习估计方法及系统，涉及电池管控技术领域，包括：从云端获取电池充电循环过程数据，利用反向安时积分方法校正SOC，并通过自动标签化生成自监督SOC估计训练数据；构建CGRM模型，结合CNN学习器的特征提取能力和GRU学习器的长期依赖关系捕捉能力，通过元学习器集成输出，实现SOC的云端精确估计；采用滑动窗口方法生成SOC估计的特征时间序列并输入CGRM模型，得到SOC估计结果；将云端估计的SOC数据传输至用户端电池管理系统，校准其估计的SOC值，实现在用户端对电池SOC的准确估计。本发明无需大量实验数据样本，利用端云协同方式降低数据获取成本，解决实验环境与真实工况不匹配的问题，显著提升SOC估计精度和电池运行安全性。

本发明授权一种锂电池SOC端云协同深度学习估计方法及系统在权利要求书中公布了：1.一种锂电池SOC端云协同深度学习估计方法，其特征在于，包括以下步骤： 步骤1，对云端采集的真实世界用户端锂电池运行数据进行数据清洗，获得有效充电循环过程数据，包括电池充电电压、电流及温度数据； 步骤2，根据所述有效充电循环过程数据，在云端使用反向安时积分方法校正SOC，并通过自动标签化SOC的方式生成自监督的SOC估计训练数据； 步骤3，构建基于卷积门控循环单元元学习网络的SOC估计模型； 步骤4，利用SOC估计训练数据，采用滑动窗口方法生成SOC估计所需的特征时间序列，并将该时间序列及其对应的自动标签SOC值，输入SOC估计模型，得到云端估计SOC数据； 步骤5，将云端估计SOC数据传输至用户端锂电池管理系统，对用户端锂电池管理系统估计的电池SOC进行校准，实现在用户端对锂电池SOC的准确估计； 所述步骤2包括： 步骤2.1，在有效充电循环过程数据中自动搜索满足截止电压的满充单体电池，并将其满充时刻的SOC设置为100%； 步骤2.2，通过反向安时积分法计算搜索到的满充单体电池充电循环中其它时刻的SOC值，实现SOC的自动标签，自动标签完成后即得到SOC估计训练数据； SOC值计算公式为： ； 其中，为k时间步长通过反向安时积分法校正后的SOC值，P为充电循环总步长数，I为电流，表示采样间隔时间，C为电池标称容量，SOH为电池的健康状态，η为库伦效率； 所述SOC估计模型包括卷积神经网络独立学习器、门控回归单元独立学习器和感知机元学习器；所述卷积神经网络独立学习器用于从输入数据提取电池运行时序数据特征；所述门控回归单元独立学习器用于从输入数据自动捕捉电池运行数据与SOC的长期依赖关系；所述感知机元学习器用于基于电池运行时序数据特征，以及电池运行数据与SOC的长期依赖关系，得到云端估计SOC数据； 所述步骤4包括： 步骤4.1，采样满充单体电池在充电过程中滑动时间窗口内的电流、电压、温度和累计安时量的时间序列，其中，累计安时量按下式计算： ； 其中，为从充电时刻t1到第k个时间步的充电过程安时量，充电时刻t1为充电开始一段时间后的时刻； 步骤4.2，对所述电流、电压、温度和累计安时量的时间序列，采用Z-Score方法进行标准化处理，得到标准化时间序列； 步骤4.3，基于所述SOC估计模型，预测标准化时间序列的最后一个时间步的SOC值，并作为标准化时间序列的SOC标签： ； 其中，表示第k个时间步SOC估计模型估计的SOC，、、和分别表示电压、电流、温度和充电过程安时量的从第到第步的时间序列，m表示滑动窗口的长度，通过沿时间方向滑动的固定步长的窗口对数据进行采样，样本最后一个时刻对应的SOC即为模型输出标签，N为有效数据的长度； 步骤4.4，计算电池放电过程的SOC，计算公式为： ； 其中，为放电过程p时间步的电池SOC。

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四川凌翼新能智控动力技术有限公司，其通讯地址为：610000 四川省成都市青羊区中鹏路1号二层附2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”。