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！

龙图腾网获悉北京因乎智电科技有限公司申请的专利基于联邦学习的储能电池健康状况预测方法及装置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：CN119988984B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510458068.2，技术领域涉及：G06F18/214；该发明授权基于联邦学习的储能电池健康状况预测方法及装置是由王菲;刘鹏;杨开宁;张庆设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本基于联邦学习的储能电池健康状况预测方法及装置在说明书摘要公布了：本发明公开了一种基于联邦学习的储能电池健康状况预测方法及装置，属于电池管理领域。方法包括：针对当前新能源电站中每一个电区，均执行：对该电区的储能电池运行数据样本进行两次聚类，以分别筛选出当前新能源电站数据集的负样本和正样本；基于联邦学习框架，各新能源电站利用自己的数据集训练本地模型，云端服务器利用聚合梯度算法将各新能源电站的本地模型的训练结果和梯度信息进行聚合更新，并下发至各新能源电站进行本地模型更新，直至得到符合预期的目标预测模型。本方案可以自动筛选出比例平衡的正负样本，保证负样本的数量，提高各本地模型的有效性，另外可以保护各新能源电站数据隐私的同时，提升最终预测模型的准确率和训练效率。

本发明授权基于联邦学习的储能电池健康状况预测方法及装置在权利要求书中公布了：1.一种基于联邦学习的储能电池健康状况预测方法，其特征在于，包括： 针对当前新能源电站中每一个电区，均执行：对该电区的储能电池运行数据样本进行聚类，将除样本数量最多的聚类类别之外的聚类类别内的样本记为负样本，并加入当前新能源电站的数据集； 将各电区中样本数量最多的聚类类别内的样本聚合起来进行二次聚类，以基于预先设置的负样本占比、此时数据集中总负样本数量和二次聚类结果，筛选正样本至当前新能源电站的数据集； 基于联邦学习框架，各新能源电站利用自己的数据集训练本地模型，云端服务器利用聚合梯度算法将各新能源电站的本地模型的训练结果和梯度信息进行聚合更新，并下发至各新能源电站进行本地模型更新，直至得到符合预期的目标预测模型； 所述将各电区中样本数量最多的聚类类别内的样本聚合起来进行二次聚类，以基于预先设置的负样本占比、此时数据集中总负样本数量和二次聚类结果，筛选正样本至当前新能源电站的数据集，包括： 将各电区中样本数量最多的聚类类别内的样本聚合起来进行二次聚类，二次聚类结果中类别数量记为S； 基于预先设置的负样本占比和此时数据集中总负样本数量，确定所需正样本数量； 基于所需正样本数量和二次聚类结果中的类别数量，确定从每一个类别中选取样本的数量，得到当前新能源电站的正样本； 每一个类别中选取样本的数量相等，且每一个类别中选取的样本数量通过如下公式确定： 式中，为每一个类别中选取样本的数量，为数据集中总负样本数量，为预先设置的负样本占比，为二次聚类结果中的类别数量； 所述基于联邦学习框架，各新能源电站利用自己的数据集训练本地模型，云端服务器利用聚合梯度算法将各新能源电站的本地模型的训练结果和梯度信息进行聚合更新，并下发至各新能源电站进行本地模型更新，直至得到符合预期的目标预测模型，包括： 各新能源电站利用自己的数据集训练本地模型，计算树节点的梯度信息，并将所述梯度信息加密发送至云端服务器； 所述云端服务器利用聚合梯度算法将当前节点的样本特征一一映射到桶中，以将梯度信息统计聚合起来，将聚合结果加密发送至各新能源电站； 各新能源电站对聚合结果进行解密，并基于最优分割算法确定样本特征，并发送至所述云端服务器； 所述云端服务器基于样本特征决定样本特征的阈值，进行树节点分裂，并将分裂结果发送至各新能源电站； 各新能源电站基于所述云端服务器的分裂结果进行节点分裂，并将分裂后子节点的信息增益发送至所述云端服务器进行更新，直至分裂完成，得到符合预期的目标预测模型。

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因乎智电科技有限公司，其通讯地址为：100085 北京市海淀区营西路10号院1号楼和盈中心A座3层315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。