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！

龙图腾网获悉四川准达信息技术股份有限公司申请的专利一种分布式储能系统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：CN120995280B 。

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：202511500826.9，技术领域涉及：G06F18/2415；该发明授权一种分布式储能系统状态评估方法是由奂剑刚设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本一种分布式储能系统状态评估方法在说明书摘要公布了：本申请公开了一种分布式储能系统状态评估方法，主要涉及状态评估技术领域，用以解决现有方案存在关键状态特征被掩盖或丢失、状态样本在特征空间中分布不均衡、对稀疏特征和边界样本适应性不足的问题。包括：获得不同运行工况下的融合特征向量，计算增强特征向量；获得改进的GELU激活函数；计算神经网络中各状态标注数据类别对应的类平衡聚焦损失函数；将局部模式特征和全局关联分支特征向量映射为门控权重，获得门控融合特征向量；构建神经网络的门控约束损失函数；使用改进的GELU激活函数进行非线性变换，输出预测状态类别概率分布；通过类平衡聚焦损失函数和门控约束损失函数，加权计算总损失；以最小化总损失为目标。

本发明授权一种分布式储能系统状态评估方法在权利要求书中公布了：1.一种分布式储能系统状态评估方法，其特征在于，所述方法包括： 在分布式储能系统各预设关键点部署若干类传感器，获得不同运行工况下的若干传感器数据序列，构建传感器数据集；获取传感器数据序列对应的状态标注数据；将传感器数据集合划分训练集、验证集； 通过计算训练集中各传感器数据，量化各传感器数据的权重值和传感器数据之间互信息补偿因子；结合信息熵与互信息补偿因子生成自适应权重，进而获得融合特征向量； 利用融合特征向量，计算每个传感器数据序列的局部密度值；利用局部密度值、融合特征向量，计算增强特征向量；基于局部密度值生成增强系数，通过密度敏感的线性插值调整样本位置，实现对低密度边界样本向簇中心收缩，高密度核心样本保留原值，进而压缩边界区域分布稀疏性，锐化决策边界，提升状态分类清晰度，表示为：，式中，为第i个样本的增强特征向量；为第i个样本的增强系数，密度越低则值越小，计算方式表示为；；为增强强度因子，控制边界压缩强度；为簇的中心向量；为第i个样本的局部密度值，值越大表示样本越接近簇中心；为第i个样本的融合特征向量； 利用神经网络神经元输入值、累积分布函数、饱和特性，获得神经网络改进的GELU激活函数；根据训练集对应的融合特征向量各状态标注数据，构造各状态标注数据类别的平衡权重；利用平衡权重、预测概率，计算神经网络中各状态标注数据类别对应的类平衡聚焦损失函数；其中，将神经网络神经元输入值与累积分布函数、饱和特性相乘，获得神经网络改进的GELU激活函数； 通过双曲正切函数将批次平均梯度幅值与输入值结合计算动态饱和函数，调节激活函数的饱和特性，表示为：，式中，为批次平均梯度幅值，计算方式表示为；为缩放因子，调节输入值对饱和系数的影响强度；为双曲正切函数；为批次大小；为第i个样本的损失函数对神经元输入值的梯度； 提取增强特征向量对应的簇内局部模式特征、输出增强特征向量对应的全局关联分支特征向量；将簇内局部模式特征和全局关联分支特征向量映射为门控权重，加权融合获得门控融合特征向量，具体包括： 神经网络使用轻量化卷积模块，提取增强特征向量对应的簇内局部模式特征，采用多头自注意力机制，输出增强特征向量对应的全局关联分支特征向量；通过线性变换和Sigmoid函数将簇内局部模式特征和全局关联分支特征向量映射为门控权重，进而加权融合获得门控融合特征向量； 利用门控权重、局部密度值，构建神经网络的门控约束损失函数；所述门控约束损失为；将门控融合特征向量输入神经网络的全连接层，使用改进的GELU激活函数进行非线性变换，输出预测状态类别概率分布；其中，项表示将无监督聚类获得的局部密度值与有监督网络的门控权重进行关联； 通过类平衡聚焦损失函数和门控约束损失函数，加权计算总损失；以最小化总损失为目标，迭代训练神经网络，利用验证集验证神经网络，直至获得满足预设条件的训练好的神经网络；所述平衡聚焦损失函数表示为：，式中，为类平衡聚焦损失；为第i个样本的真实状态标注数据类别标签；为第i个样本的真实状态标注数据类别的平衡权重；为模型对第i个样本的真实状态标注数据类别标签的预测概率；表示预测误差项；为聚焦因子，调节难例样本的损失放大强度；为对数函数，默认底数为自然常数。

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四川准达信息技术股份有限公司，其通讯地址为：610000 四川省成都市高新区天府二街138号1栋11楼1101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。