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！

龙图腾网获悉浙江凌骁能源科技有限公司申请的专利车辆电池健康状态的估计方法及其估计模型的训练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：CN115598531B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211347704.7，技术领域涉及：G01R31/36；该发明授权车辆电池健康状态的估计方法及其估计模型的训练方法是由申存骁;高科杰设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本车辆电池健康状态的估计方法及其估计模型的训练方法在说明书摘要公布了：本申请涉及一种车辆电池健康状态的估计方法及其估计模型的训练方法，其中，该车辆电池健康状态估计模型的训练方法包括：获取车辆的电池数据；其中，电池数据包括第一电池数据和第二电池数据；采用预设聚类算法对第一电池数据进行聚类，将第一电池数据分为多类；根据多类第一电池数据将车辆分为多个车辆群体；针对多个车辆群体中的每个车辆群体，利用车辆群体对应的第二电池数据训练与其对应的电池估计模型；得到每个车辆群体的训练后的电池估计模型；其中，电池估计模型用于估计对应车辆群体中的车辆电池健康状态。通过本申请，解决了相关技术中为每台电动汽车件均单独配置相应的电池估计模型，容易造成系统运行负载过大和资源浪费的问题。

本发明授权车辆电池健康状态的估计方法及其估计模型的训练方法在权利要求书中公布了：1.一种车辆电池健康状态估计模型的训练方法，其特征在于，所述方法包括： 获取车辆的电池数据；其中，所述电池数据包括第一电池数据和第二电池数据； 采用预设聚类算法对所述第一电池数据进行聚类，将所述第一电池数据分为多类； 根据多类所述第一电池数据将所述车辆分为多个车辆群体； 针对所述多个车辆群体中的每个所述车辆群体，利用所述车辆群体对应的第二电池数据训练与其对应的电池估计模型； 其中，所述利用所述车辆群体对应的第二电池数据训练与其对应的电池估计模型包括：基于所述车辆群体对应的多种第二电池数据分别训练多个自编码器模型；根据所述第二电池数据及其对应的训练后的自编码器模型得到与所述第二电池数据对应的隐藏向量；基于所述隐藏向量训练自学习模型；将训练后的多个所述自编码器模型和所述自学习模型组合成所述车辆群体对应的电池估计模型； 得到每个所述车辆群体的训练后的电池估计模型；其中，所述电池估计模型用于估计对应车辆群体中的车辆电池健康状态。

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浙江凌骁能源科技有限公司，其通讯地址为：311228 浙江省杭州市钱塘区前进街道绿荫路222号综合办公楼220-116室；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。