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！

龙图腾网获悉北京工业大学申请的专利一种基于早期循环数据预测锂离子电池寿命的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：CN120629954B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510736880.7，技术领域涉及：G01R31/367；该发明授权一种基于早期循环数据预测锂离子电池寿命的方法是由张彦琴;杨泽濠设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于早期循环数据预测锂离子电池寿命的方法在说明书摘要公布了：本发明公开了一种基于早期循环数据预测锂离子电池寿命的方法，属于动力电池管理技术领域。该方法通过采集电池前100次充放电循环的放电电压和容量数据，生成Q‑U曲线，经高斯过程回归方法对齐Q‑U曲线采集点和平均处理后提取寿命因子向量LFV，作为门控循环神经网络GRU的输入特征，以电池容量衰减至80％时的循环次数为输出目标，训练寿命预测模型。采用五折交叉验证优化超参数，确保模型精度。对于待测电池，仅需进行前100次循环即可预测其循环寿命。实验表明，本发明方法能够为相同容量不同充放电循环电池进行寿命预测，相对误差低至3.68％，具有较高的准确性和工程实用性，提升电池系统安全性。

本发明授权一种基于早期循环数据预测锂离子电池寿命的方法在权利要求书中公布了：1.一种基于早期循环数据预测锂离子电池寿命的方法，其特征在于：该方法通过提取锂离子电池前100次循环的放电区间Q-U曲线，经高斯过程回归统一对齐Q-U曲线的采集点后计算平均Q-U曲线及寿命因子向量LFV，利用GRU神经网络建立预测模型，采用五折交叉验证优化超参数，得到最终训练的预测模型；对于预测的电池，从其早期循环数据中提取寿命因子向量，输入预测模型，对该电池的循环寿命进行预测； 具体实施步骤如下： 步骤1：整理已有的电池充放电循环数据，要求相同正负极材料和相同容量的电池，放电循环应完整记录了放电电压、电流和容量随时间变化的数据； 步骤2：在每块电池的前100次循环数据中提取第6-10次和第96-100次循环的放电电压和对应的累计放电容量数据，得到Q-U曲线，横坐标为电池放电电压U，纵坐标为从满充状态放电至对应电压的累计放电容量Q； 步骤3：需保证提取的每一条Q-U曲线的电压采集点数目、数值相同；采用高斯过程回归统一并对齐每一条Q-U曲线的电压采样点； 步骤4：采用式4计算并得到寿命因子向量LFV： 4； 式中，、分别为QUe和QUl上每个电压点所对应的Q值，将QUl曲线的每个采集点的容量数据与QUe曲线每个对应的采集点的容量数据相减，得到LFV； 步骤5：将每块训练电池的寿命因子LFV作为预测模型输入；当电池的容量降至初始的80%时，记录此时进行到的循环数作为电池循环寿命，并以此作为预测模型输出；使用GRU神经网络建立预测模型，将上述输入和输出数据用于预测模型的训练； 步骤6：采用五折交叉验证法对预测模型的超参数进行优化，将训练集数据平均分为5个子集，每次选择其中4个子集作为训练数据，剩余1个子集作为验证数据，每一组超参数均重复5次以确保每个子集均被用于验证一次；最终以5次验证的平均误差作为该组超参数对预测模型性能影响的评价指标；使用均方根百分比误差RMSPE评判超参数寻优的结果，如式5所示： 5； 式中为预测结果的样本数量，为第i个电池的寿命预测值，为第i个电池的寿命实际测量值；当一组超参数组合在进行交叉验证后所得RMSPE误差低于3%时，即选定该组超参数并完成预测模型训练； 步骤7：在预测目标电池的寿命时，仅需对电池进行100次循环充放电测试，并按照步骤2至步骤4提取寿命因子LFV后输入至已经训练好的预测模型中，预测模型将会输出目标电池的预测寿命。

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北京工业大学，其通讯地址为：100024 北京市朝阳区平乐园100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。