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！

龙图腾网获悉孚能科技(赣州)股份有限公司申请的专利基于温度分层的电池热失控预测方法、装置、设备和介质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：CN121164932B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511687840.4，技术领域涉及：G01R31/367；该发明授权基于温度分层的电池热失控预测方法、装置、设备和介质是由刘罗丹;姜蔚然;周小静;黄德盛;魏智敏设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本基于温度分层的电池热失控预测方法、装置、设备和介质在说明书摘要公布了：本发明涉及到电池安全控制技术领域，特别涉及到一种基于温度分层的电池热失控预测方法、装置、设备和介质，其中方法包括：获取电池组内各指定位置的温度数据；基于温度数据判断电池组内是否发生过温度分层；若是，判断是否有单体离群型分层温度采集单元，标记异常点得到第一特征数据，以及判断是否有群体分层型分层区域，过滤数据得第二特征数据；统计电池组在极端温度下未出现温度分层的占比，得第三特征数据；基于这三类特征数据预测电池热失控概率。该方法能精准识别早期温度异常，提升热失控预测的准确性与可靠性，保障电池安全。

本发明授权基于温度分层的电池热失控预测方法、装置、设备和介质在权利要求书中公布了：1.一种基于温度分层的电池热失控预测方法，其特征在于，所述方法包括： 通过多个温度采集单元获取电池组内各指定位置的温度数据，其中，所述温度数据是一个电池热失控预测周期内的数据； 基于所述温度数据分析所述电池组内是否发生过温度分层，所述温度分层是指所述电池组内局部区域温度与周围区域温度的温差达到预设条件； 若发生过温度分层，则基于发生温度分层时对应的数据，判断是否存在单体离群型的温度采集单元，若存在则将该温度采集单元标记为异常点，获得第一特征数据，其中，所述单体离群型是指单个所述温度采集单元采集的温度与临近的其它温度采集单元采集的温度发生偏离，且达到第一偏离阈值；以及， 判断是否存在群体分层型的分层区域，若存在将该部分的温度分层数据过滤掉，得到第二特征数据，其中，所述群体分层型是指多个相邻的温度采集单元采集的温度相近形成一个温度区域，且该温度区域的温度与其它区域的温度发生偏离，且达到第二偏离阈值； 统计所述电池组在极端温度下未出现温度分层的占比，得到第三特征数据，其中，所述极端温度是指超出电池正常工作温度范围的温度； 基于所述第一特征数据、第二特征数据和第三特征数据，预测所述电池的热失控概率； 所述基于所述第一特征数据、第二特征数据和第三特征数据，预测所述电池的热失控概率，包括： 基于所述第一特征数据，计算异常温度采集单元采集的温度的温度偏离程度指标； 基于所述第二特征数据，评估群体分层对整体温度分布的干扰程度； 基于所述第三特征数据，分析极端温度工况下电池组的温度一致性； 综合所述温度偏离程度指标、干扰程度及温度一致性，构建热失控风险评估模型，预测所述电池的热失控概率； 所述风险评估模型为深度学习神经网络模型，通过以下动态权重递归公式进行热失控风险评估： 其中，为归一化后的特征向量；Z为Z-score值，p为概率值，R为有效数据的占比，k为Z-score的斜率，△P为偏差值； 为随训练迭代更新的动态权重；为自适应学习率，满足；L为损失函数，，为模型预测概率，α和γ为平衡正负样本的超参数，为初始学习率，λ为衰减常数； bt为神经网络模型中随训练迭代过程动态更新的偏置项； t为模型训练的迭代次数； 为Sigmoid激活函数。

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孚能科技(赣州)股份有限公司，其通讯地址为：341000 江西省赣州市经济技术开发区金岭西路北侧彩蝶路西侧；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。