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！

龙图腾网获悉大唐临清热电有限公司申请的专利一种机组电池的智能储能控制系统及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：CN120377413B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510352647.9，技术领域涉及：H02J7/90；该发明授权一种机组电池的智能储能控制系统及方法是由朱永峰;王云龙;李然磊;刘峰;任站恺设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种机组电池的智能储能控制系统及方法在说明书摘要公布了：本发明公开了一种机组电池的智能储能控制系统及方法，该系统包括：数据获取模块：采集电池组的电池性能参数及环境参数，电池性能参数包括充电效率、放电效率和电池内阻，环境参数包括温度变化参数、湿度变化参数；环境映射模块：通过一个优化调整后的深度神经网络构建环境映射模型，将电池性能参数及环境参数作为模型输入，输出映射影响系数；智能分配模块：基于环境映射模型的输出与电池性能反馈数据作为强化学习的状态和奖励构建强化学习框架，并优化强化学习框架的选择策略获得最优策略分配方案，可基于精准的电池状态感知，制定出更契合电池实时状态和环境条件的储能控制策略。

本发明授权一种机组电池的智能储能控制系统及方法在权利要求书中公布了：1.一种机组电池的智能储能控制系统，其特征在于，包括： 数据获取模块：采集电池组的电池性能参数及环境参数，电池性能参数包括充电效率、放电效率和电池内阻，环境参数包括温度变化参数、湿度变化参数； 环境映射模块：通过一个优化调整后的深度神经网络构建环境映射模型，将电池性能参数及环境参数作为模型输入，输出映射影响系数； 智能分配模块：基于环境映射模型的输出与电池性能反馈数据作为强化学习的状态和奖励构建强化学习框架，并优化强化学习框架的选择策略获得最优策略分配方案； 环境映射模型的基础架构为优化调整后的深度神经网络； 优化调整后的深度神经网络通过获取输入数据的联合熵动态调整隐藏层节点数； 优化强化学习框架的选择策略通过策略结合循环神经网络实现； 联合熵动态调整策略包括： 将输入参数按时间窗口划分为数据分组； 计算每组数据的联合熵，表示联合数据，； 当联合熵时，按当前节点数10%的比例增加隐藏层； 当联合熵时时，按当前节点数5%的比例缩减隐藏层； 当联合熵时，保持隐藏层节点数不变； 所述优化强化学习框架将环境映射模型的输出与电池性能反馈数据作为强化学习的状态和奖励信号； 所述强化学习框架包括智能体、环境和状态； 所述智能体对环境映射模型和权值分配进行控制； 所述环境包括电池在不同时间的充放电过程、所处的物理环境，以及包括环境映射模型本身组成； 所述状态由环境映射模型的输出和电池性能反馈数据共同组成。

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大唐临清热电有限公司，其通讯地址为：252600 山东省聊城市临清市先锋办事处东三环北首；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。