Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院;国家电网有限公司张伟骏获国家专利权

国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院;国家电网有限公司张伟骏获国家专利权

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!

龙图腾网获悉国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院;国家电网有限公司申请的专利一种基于数据库的储能设备标准检测算例综合管控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:CN118962499B

龙图腾网通过国家知识产权局官网在2025-11-25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:202410956558.0,技术领域涉及:G01R31/392;该发明授权一种基于数据库的储能设备标准检测算例综合管控方法是由张伟骏;李智诚;高统彤;邓超平;陈大玮;张抒凌;郭威;郭健生;晁武杰;李彪;陈雨鸽;戴立宇设计研发完成,并于2024-07-17向国家知识产权局提交的专利申请。

一种基于数据库的储能设备标准检测算例综合管控方法在说明书摘要公布了:本发明涉及一种基于数据库的储能设备标准检测算例综合管控方法,包括以下步骤:根据储能设备的类型、参数和工况制定检测流程;对检测流程进行标准化处理,得到标准化检测流程;建立标准化检测流程与储能设备检测平台之间的动作指令匹配关系;通过综合管控系统与检测平台之间的接口,向检测平台下发指令并收集存储检测数据;建立数据库,通过数据库存储储能设备的检测标准、检测流程和检测数据;对检测数据进行数据处理,得到处理好的检测数据,建立人工智能模型,将处理好的检测数据训练人工智能模型,得到训练好的人工智能检测模型,使用训练好的人工智能检测模型评估储能设备的健康状况。

本发明授权一种基于数据库的储能设备标准检测算例综合管控方法在权利要求书中公布了:1.一种基于数据库的储能设备标准检测算例综合管控方法,其特征在于,包括以下步骤: 根据储能设备的类型、参数和工况制定检测流程;对检测流程进行标准化处理,得到标准化检测流程;建立标准化检测流程与储能设备检测平台之间的动作指令匹配关系;通过综合管控系统与检测平台之间的接口,向检测平台下发指令并收集存储检测数据;建立数据库,通过数据库存储储能设备的检测标准、检测流程和检测数据;对检测数据进行数据处理,得到处理好的检测数据,建立人工智能模型,将处理好的检测数据训练人工智能模型,得到训练好的人工智能检测模型,使用训练好的人工智能检测模型评估储能设备的健康状况; 其中,所述人工智能检测模型基于储存在数据的储能设备检测数据对对多工况储能电池健康程度进行评估;所述评估采用知识查询领域混合网络的结构框架;知识查询领域混合网络尺度感知知识查询编码器、双向交叉注意力领域混合器和回归头组成;所述尺度感知知识查询编码器将存储在数据库中的设备检测数据作为输入,包括储能电池电压、电流和容量;生成对应领域的健康状态相关嵌入特征;将不同储能电池时序数据的源域和目标域设置了私有的特征编码器,将源域和目标域对应的源数据和目标数据输入特征编码器,分别产生对应领域的特征;对应领域的特征被送入双向交叉注意力领域混合器,减小领域特征差距并提取领域不变的特征;领域不变特征通过回归头产生预测结果,对多工况储能电池健康程度进行评估; 所述回归头由一个2层全连接神经网络组成,结构框架的算法流程具体如下: 其中,为双向交叉注意力域混合器算法操作;为回归头算法操作;为源域的私有特征编码器;为目标域的私有特征编码器;为源数据;为目标数据;为对应领域的特征;分别为不同的领域不变的特征;、为领域不变特征、通过回归头产生的预测结果; 利用组合特征和减少不同领域特征空间的差异,采用了平均平方误差损失函数来最小化所有标注样本的回归误差挖掘每个领域的监督信息,具体公式如下: 其中,为平均平方误差损失函数;为回归误差。

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国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院;国家电网有限公司,其通讯地址为:350003 福建省福州市鼓楼区五四路257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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。