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！

龙图腾网获悉中国铁塔股份有限公司四川省分公司申请的专利一种基于BMS数据驱动的电芯异常判定方法及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：CN121276382B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511839576.1，技术领域涉及：G01R31/392；该发明授权一种基于BMS数据驱动的电芯异常判定方法及系统是由舒勇;吴晋明;洪扬;胡沄松;夏占;朱斌;丁茂家设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种基于BMS数据驱动的电芯异常判定方法及系统在说明书摘要公布了：本发明公开了一种基于BMS数据驱动的电芯异常判定方法及系统，利用多种传感器与BMS采集多维度电芯运行数据，并对采集的数据进行预处理形成基础数据集；对得到的基础数据集进行数据降维和特征提取，将提取的特征值与基于动态阈值调节机制得到的动态自适应阈值进行比较获取电芯健康状态评估结果，根据电芯健康状态评估结果生成异常预警信号并定位潜在故障点；将异常预警信号进行异常分级并生成维护建议，生成异常记录并存储至云端数据库。本发明实现了对电芯异常的精准识别与快速响应。

本发明授权一种基于BMS数据驱动的电芯异常判定方法及系统在权利要求书中公布了：1.一种基于BMS数据驱动的电芯异常判定方法，其特征在于，所述方法包括： 利用多种传感器与BMS采集多维度电芯运行数据，并对采集的数据进行预处理形成基础数据集； 对得到的基础数据集进行数据降维和特征提取，将提取的特征值与基于动态阈值调节机制得到的动态自适应阈值进行比较获取电芯健康状态评估结果，根据电芯健康状态评估结果生成异常预警信号并定位潜在故障点； 对得到的基础数据集进行数据降维和特征提取，具体包括： 基于主成分分析法，并引入动态特征加权与物理约束机制，对多维度数据进行降维处理； 动态特征加权，具体包括： 根据不同时序特征的重要性差异赋予不同的权重，并生成动态权重向量，对原始特征矩阵进行加权，公式表示为： 其中，为原始时序窗口特征矩阵，为权重对角矩阵，为加权后的特征矩阵； 物理约束机制，具体包括： 在协方差矩阵中嵌入物理约束项，公式表示为： 式中，为经过动态特征加权处理后，最终得到的嵌入了物理约束项的协方差矩阵；为加权均值矩阵；N为样本数量；为物理约束矩阵，且满足：若特征与特征存在物理关联，则矩阵C中的第i行第j列元素=1，否则=0；为约束系数； 将协方差矩阵进行特征值分解得到多个特征值及特征向量，选取前个特征向量构建投影矩阵，最终得到降维后的矩阵为： 从而提取出具有代表性的关键运行特征； 将提取的特征值与基于动态阈值调节机制得到的动态自适应阈值进行比较获取电芯健康状态评估结果，具体包括： 采用融合强化学习的动态阈值调节机制获取动态自适应阈值，包括： 引入深度强化学习训练调节系数，随时间t变化；以最小化电芯健康状态评估结果误报率为奖励函数；状态空间为当前工况参数以及预测误差，其中为在时刻t的电芯性能参数预测值，为时刻t的电芯性能参数实测值；动作空间为，即覆盖统计学中90%-99.7%置信区间，根据正态分布的统计学特性得到； 然后通过近端策略优化算法迭代优化策略网络，输出实时调节系数： 其中，为当前状态向量；表示近端策略优化算法； 基于强化学习算法得到动态自适应阈值，计算公式为： 其中，为动态自适应阈值，为时刻t的电芯性能参数预测值，为标准差，为调节系数； 将提取的特征值与基于动态阈值调节机制得到的动态自适应阈值进行比较获取电芯健康状态评估结果，根据电芯健康状态评估结果生成异常预警信号并定位潜在故障点，具体包括： 当提取到的特征值超出设定的动态自适应阈值时，生成异常预警信号； 采用定位算法确定潜在故障点，包括：基于电芯之间的运行特征差异，采用聚类分析方法将异常电芯与正常电芯区分开来，由此确定异常电芯的位置； 将异常预警信号进行异常分级并生成维护建议，生成异常记录并存储至云端数据库。

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中国铁塔股份有限公司四川省分公司，其通讯地址为：610066 四川省成都市高新区天府大道中段1577号10楼；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。