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！

龙图腾网恭喜中国电力科学研究院有限公司申请的专利一种电池系统电压极差的深度学习预测方法及装置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：CN119337751B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411902766.9，技术领域涉及：G06F30/27；该发明授权一种电池系统电压极差的深度学习预测方法及装置是由李相俊;高波;官亦标;贾学翠;李焓宁;王凯丰设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种电池系统电压极差的深度学习预测方法及装置在说明书摘要公布了：本发明属于储能电池技术领域，公开一种电池系统电压极差的深度学习预测方法及装置；所述方法包括：采集电池簇的电池运行数据；所述电池运行数据包括单体电池极差数据、电池簇充放电功率和电池簇总电压数据；将所述电池运行数据输入预先训练好的深度学习预测模型中预测，获得电池簇未来预设时间内的电压极差预测结果；其中，所述预先训练好的深度学习预测模型为BiGRU‑Transformer‑LSTM模型。本发明采用BiGRU‑Transformer‑LSTM三种不同架构的混合模型，能有效预测电池电压极差变化，可由当前电压、功率信息预测未来一段时间的电压极差变化，并具有电压一致性评估功能；该方法有助于合理规划电池组的充放电策略，延长电池寿命，提高电池的安全性、可靠性。

本发明授权一种电池系统电压极差的深度学习预测方法及装置在权利要求书中公布了：1.一种电池系统电压极差的深度学习预测方法，其特征在于，包括：采集电池簇的电池运行数据；所述电池运行数据包括单体电池极差数据、电池簇充放电功率和电池簇总电压数据；将所述电池运行数据输入预先训练好的深度学习预测模型中预测，获得电池簇未来预设时间内的电压极差预测结果；其中，所述预先训练好的深度学习预测模型为BiGRU-Transformer-LSTM模型；所述BiGRU-Transformer-LSTM模型包括依次连接BiGRU层、Transformer层、LSTM层、全连接层和激活函数；所述BiGRU层，用于对输入的时间序列数据进行正向和逆向编码，捕捉双向依赖信息，输出特征序列；所述Transformer层，用于接收BiGRU层的输出，利用多头自注意力机制对时间序列的所有位置进行全局特征建模，输出经过全局特征建模后的特征序列；LSTM层为双层LSTM层，包括第一层LSTM和第二层LSTM；第一层LSTM，用于进一步提取经过全局特征建模后的特征序列的时间依赖关系，输出经过第一层LSTM处理后的时间步特征；第二层LSTM，用于接收第一层LSTM的输出，并结合长期依赖特征，生成最终的输出特征；全连接层和激活函数，用于将LSTM层最终的输出特征映射为预测结果。

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电力科学研究院有限公司，其通讯地址为：100192 北京市海淀区清河小营东路15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”。