Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浪潮通信信息系统有限公司冯博获国家专利权

浪潮通信信息系统有限公司冯博获国家专利权

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!

龙图腾网获悉浪潮通信信息系统有限公司申请的专利基于机器学习的蓄电池放电预测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:CN115542163B

龙图腾网通过国家知识产权局官网在2026-04-10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:202210875049.6,技术领域涉及:G01R31/367;该发明授权基于机器学习的蓄电池放电预测方法及系统是由冯博;李伟设计研发完成,并于2022-07-25向国家知识产权局提交的专利申请。

基于机器学习的蓄电池放电预测方法及系统在说明书摘要公布了:本发明公开了基于机器学习的蓄电池放电预测方法及系统,属于机器学习技术领域,要解决的技术问题为如何对电池放电电压进行预测,输出电池放电电压和放电时长之间的关系。包括如下步骤:对于放电时长H1,获取每个放电时间对应的放电电压;对于放电时长H2,获取每个放电时间对应的放电电压;分别对放电时长H1和放电时长H2对应的放电数据进行数据预处理;将放电时长H3划分为两个时间段,将前H1时间段时长作为第一放电时长,将后H3‑H1时间段时长作为第二放电时长;对于第一放电时长,通过多项式回归算法拟合第一放电时长的放电曲线;对于第二放电时长,通过LSTM神经网络模型预测输出第二放电时长内每个放电时间对应的放电电压。

本发明授权基于机器学习的蓄电池放电预测方法及系统在权利要求书中公布了:1.一种基于机器学习的蓄电池放电预测方法,其特征在于基于放电时长H1和放电时长H2的放电数据,预测放电时长H3对应的放电数据,所述放电数据包括放电电压和放电时间,H1H3H2,所述方法包括如下步骤: 对于放电时长H1,从放电时长H1中选取多个放电时间,获取每个放电时间对应的放电电压,每个放电时间和与其对应的放电电压为所述放电时长H1的放电数据; 对于放电时长H2,从放电时长H2中选取多个放电时间,放电时长H2内前H1段时长中选取的放电时间与所述H1选取的放电时间一致,获取每个放电时间对应的放电电压,每个放电时间和与其对应的放电电压为所述放电时长H2的放电数据; 分别对放电时长H1和放电时长H2对应的放电数据进行数据预处理,将放电电压异常的放电数据作为异常放电数据,对异常放电数据进行清理或插值处理,得到目标放电数据; 将放电时长H3划分为两个时间段,将前H1时间段时长作为第一放电时长,将后H3-H1时间段时长作为第二放电时长; 对于第一放电时长,基于放电时长H1对应的目标放电数据、以及放电时长H2内前H1段时长对应的目标放电数据,通过多项式回归算法拟合第一放电时长的放电曲线,所述放电曲线用于表示第一放电时长内放电时间和放电电压的关系; 对于第二放电时长,将放电时长H2内后H2-H1段时长对应的目标放电数据作为输入数据,基于所述输入数据、通过LSTM神经网络模型预测输出第二放电时长内每个放电时间对应的放电电压。

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浪潮通信信息系统有限公司,其通讯地址为:250100 山东省济南市高新区浪潮路1036号浪潮科技园S06号楼;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。