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！

龙图腾网获悉湖南工业大学申请的专利基于CNN_LSTM的储能设备温度控制方法和系统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：CN119806240B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411956597.7，技术领域涉及：G05D23/20；该发明授权基于CNN_LSTM的储能设备温度控制方法和系统是由陈湘东;黎朝晖;欧阳资铭;苏雨钧;王维贵设计研发完成，并于2024-12-29向国家知识产权局提交的专利申请。

本基于CNN_LSTM的储能设备温度控制方法和系统在说明书摘要公布了：本发明公开了一种基于CNN_LSTM的储能设备温度控制方法和系统，温度传感器采集储能设备的负载温度输入到训练好的CNN_LSTM模型进行温度预测，根据预测温度与储能设备目标温度的误差作为PID控制单元的前馈输入数据，PID控制单元根据误差反馈控制输入数据到储能设备的温控系统对负载温度进行调整。本发明采用的CNN_LSTM模型将卷积神经网络CNN与长短期记忆网络LSTM相结合处理预测储能设备的负载温度，具有强大的处理时序数据、特征提取和捕捉长期依赖关系的能力，在储能设备负载温度预测、设备状态监测等领域展现出显著优势。

本发明授权基于CNN_LSTM的储能设备温度控制方法和系统在权利要求书中公布了：1.基于CNN_LSTM的储能设备温度控制方法，其特征在于：温度传感器采集储能设备的负载温度输入到训练好的CNN_LSTM模型进行温度预测，输出预测温度，根据预测温度与储能设备目标温度的误差作为PID控制单元的前馈输入数据，PID控制单元根据误差反馈控制输入数据到储能设备的温控系统对负载温度进行调整; 所述CNN_LSTM模型通过如下步骤进行训练： 步骤一、在采集周期内按照设定频率采集储能设备的负载温度原始数据，对步骤一采集的原始数据清洗并归一化处理，分类构建训练集、验证集和测试集； 步骤二、构建CNN_LSTM模型，所述CNN_LSTM模型使用CNN网络对预处理后的训练集数据提取数据中的空间特征，将CNN网络提取的特征序列输入到LSTM神经网络中，通过LSTM神经网络捕捉特征序列中的长期时间依赖关系，学习储能设备状态随时间的演变规律， 所述CNN_LSTM模型中，在CNN网络的池化层与全连接层中间加入LSTM神经网络，通过CNN网络池化运算后的特征序列输入到LSTM神经网络，由LSTM神经网络进行时间序列的信息学习，最后接入神经网络的全连接层，输出负载温度随时间序列的预测值，所述LSTM神经网络使用Sequential模型来线性堆叠Conv1D层、LSTM层和Dense层，所述Conv1D层设置64个过滤器，每个过滤器的大小为2，激活函数使用ReLU，所述LSTM层包含50个LSTM单元，处理输入LSTM神经网络的特征序列中的时间依赖性，所述Dense层输出预测温度； 步骤三、训练CNN_LSTM模型，将训练集的特征序列重塑为样本数、时间步长和特征数的三维数组后输入CNN_LSTM模型进行训练，采用Adam优化器优化模型的权重和偏置，通过最小化损失函数验证训练集和验证集的loss值、R2分数和MSE； 步骤四、通过测试集对训练好的CNN_LSTM模型进行预测，所述测试集以及实际预测温度传感器采集的负载温度数据均通过重塑为样本数、时间步长和特征数的三维数组输入CNN_LSTM模型进行预测。

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湖南工业大学，其通讯地址为：412000 湖南省株洲市天元区泰山西路88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。