安徽大学田佳强获国家专利权
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！
龙图腾网获悉安徽大学申请的专利基于强化学习与局部搜索的退役电池梯次利用分组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：CN121786505B 。
龙图腾网通过国家知识产权局官网在2026-05-12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：202610261470.6，技术领域涉及：G06F18/22；该发明授权基于强化学习与局部搜索的退役电池梯次利用分组方法是由田佳强;周宇杰;潘天红;李民策;张德祥;樊渊;倪丽萍;劳力;张旭设计研发完成，并于2026-03-05向国家知识产权局提交的专利申请。
本基于强化学习与局部搜索的退役电池梯次利用分组方法在说明书摘要公布了：本发明公开了一种基于强化学习与局部搜索的退役电池梯次利用分组方法，属于电池制造与管理技术领域，包括：采集待分组电池集合中各电池单体的多维特征参数进行标准化处理，获得电池特征数据；构建强化学习环境，强化学习环境的状态空间包括反映电池可选状态的掩码信息及电池特征，并设置有奖励函数；基于强化学习环境，采用带掩码的近端策略优化算法训练智能体，并通过训练后的智能体生成初始电池分组序列；采用局部搜索算法对初始电池分组序列进行微调，得到最终电池分组方案，实现退役电池重组。本发明有效解决了退役电池多维参数不一致导致的成组难题，无需硬件均衡电路，具有分组精度高、计算效率快、泛化能力强等优点。
本发明授权基于强化学习与局部搜索的退役电池梯次利用分组方法在权利要求书中公布了：1.一种基于强化学习与局部搜索的退役电池梯次利用分组方法，其特征在于，包括以下步骤： 采集待分组电池集合中各电池单体的多维特征参数，并进行标准化处理，获得电池特征数据； 基于所述电池特征数据，构建强化学习环境，所述强化学习环境的状态空间包括反映电池可选状态的掩码信息及电池特征，并设置有奖励函数； 基于所述强化学习环境，采用带掩码的近端策略优化算法训练智能体，并通过训练后的智能体生成初始电池分组序列； 采用基于单体交换的局部搜索算法对所述初始电池分组序列进行微调，得到最终电池分组方案； 根据所述最终电池分组方案，输出电池重组指令，实现退役电池重组。
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安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3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。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励