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！

龙图腾网获悉中国科学院电工研究所申请的专利一种电池储能系统联邦状态评估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：CN115222126B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202210842774.3，技术领域涉及：G06Q10/04；该发明授权一种电池储能系统联邦状态评估方法是由孙玉树;李宁宁;张国伟;赵振兴;张学;裴玮;唐西胜设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种电池储能系统联邦状态评估方法在说明书摘要公布了：本发明提出一种电池储能系统联邦状态评估方法，通过局域自治体的模型封装和加密，对封装后的模型及其加密的梯度信息进行云端整合训练和联合学习，可在保障各自数据隐私的情形下，达到类似于数据完备的全局优化效果，进而指导各主体策略的不断进化。本发明能够有效实现电池储能系统的SOH和SOC的联合估计。

本发明授权一种电池储能系统联邦状态评估方法在权利要求书中公布了：1.一种电池储能系统联邦状态评估方法，其特征在于，具体包括如下步骤： 步骤1、利用多传感器融合技术获取电池储能系统运行的外特性数据；同时利用原位非原位技术获取内特性数据，由此获取各电池储能系统运行的内外特性数据；对各电池储能系统的内外特性数据进行结构化处理，并采用哈希运算和同态加密技术相结合的方式对不同电池储能系统的内外特性数据进行对齐，进而采用张量深度学习的方法对本地数据高维特征进行提取； 步骤2、基于FPGA构建电池管理系统BMS，建立基于轻量化门控循环单元的电池储能系统SOC评估方法，将本地构建的模型进行加密封装，采用随机梯度下降法计算各电池储能系统封装模型的最优梯度信息，通过分布式交互方式传递加密后的梯度计算信息以及其邻接关系，且只将本地模型的梯度计算信息上传至联邦云中心，充分保障各电池储能系统数据的隐私需求； 步骤3、在联邦云中心利用接入的电池储能系统数据信息和随机场景生产策略，建立基于谱聚类的电池储能系统应用场景聚类方法，进而优化全局聚合模型，根据不同的场景类别，建立基于不确定性约束的拜占庭鲁棒联邦学习算法，进而形成具备自动知识获取和推理能力的正则化深度网络，利用时序卷积神经网络预测出电池储能系统的SOH； 步骤4、根据本地模型和全局聚合模型的差异，应用考虑损失的电池储能系统决策方法实现本地模型实时更新，并利用联邦云中心计算出的当前SOH修正本地的实时SOC，联邦云中心也会根据本地SOC的状态，进一步提高全局SOH的预测精度，从而实现本地SOC和联邦云中心SOH的高精度联邦评估。

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中国科学院电工研究所，其通讯地址为：100190 北京市海淀区中关村北二条6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”。