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！

龙图腾网获悉盐城中科高通量计算研究院有限公司申请的专利基于宽度学习及K-means的充电终端设备健康状态评估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：CN115689798B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211150322.5，技术领域涉及：G06Q50/06；该发明授权基于宽度学习及K-means的充电终端设备健康状态评估方法是由夏勇;周晓宇;陈传飞;薛巨峰;范东睿设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本基于宽度学习及K-means的充电终端设备健康状态评估方法在说明书摘要公布了：基于宽度学习及K‑means的充电终端设备健康状态评估方法，1利用电能采集终端对充电终端网络进行配置；2建立充电终端设备对正在充电电池的健康状态评估模型；3根据设备数据进行模型动态自学习调整；4建立充电终端设备健康评估模型；5根据K‑means评价模型计算充电终端设备健康等级，并通过步骤1中的配置模型寻找出该健康等级所对应的充电终端节点，根据不同的健康等级给出不同的处理建议。通过电能采集终端配置模型，降低电能采集终端配置数量，节约成本，并通过宽度学习对正在充电电池的健康状态进行评估，同时引入了加权网络可实现对宽度学习模型的实时更新，最后通过K‑means模型建立了充电终端设备健康评估模型。

本发明授权基于宽度学习及K-means的充电终端设备健康状态评估方法在权利要求书中公布了：1.基于宽度学习及K-means的充电终端设备健康状态评估方法，具体步骤如下，其特征在于： 步骤1，利用电能采集终端对充电终端网络进行配置，降低电能采集终端配置数量； 步骤2，对不同型号的电动汽车电池利用宽度学习分别建立健康状态理论评估模型，宽度学习模型可以表示为： 其中，Z为特征节点层，H为增强节点层，Y为输出层的输出，W1为连接权值矩阵，N为输入样本个数，b为特征节点个数，d为增强节点个数，Q为输出层的维数；式中ZN×b可表示为： 其中，X为输入数据，W2为稀疏自编码求得的最优输入权值矩阵，M为输入数据的特征维数，N为输入数据的个数；式（2）中HN×d可表示为： 式中，W3位随机矩阵，β为偏置；特征节点经稀疏自编码器进行特征提取，用于剔除冗余特征，再经过非线性激活函数增强为增强节点，形成增强节点层H；再将特征层与增强层合并，网络横向方式扩展，最后利用岭回归算法求得连接权值矩阵W1； 在宽度学习模型中加入加权网络，根据加权网络中的权重来调整宽度学习模型，以获得能动态自学习的宽度学习模型； 加权网络先把输入层的数据集合X通过卷积层进行降维，再通过激活函数得到N×M的特征映射R，再通过卷积层和激活函数对R进行归一化操作生成0~1的注意力权重σ，其中的计算公式为： 其中，conv1和conv2表示卷积操作，tanh和sigmoid分别表示tanh函数和sigmoid函数，最后特征加权的特征输出为X’： 同时加权网络通过全连接层归一化将加权后的特征输出特征节点层中，自学习后的特征节点层表示如下: 将电池充电时的电压、电流、充电时间、阻抗、温度数据组成多维矩阵，作为宽度学习输入层的输入数据，将电池的SOH值作为宽度学习网络输出层的输出，建立宽度学习模型； 步骤3，通过设备历史订单的电流、电压、功率变化曲线、利用率、温度传感器数据、烟雾传感器数据、订单分布时间，建立充电终端设备健康评估模型； 步骤4，根据K-means评价模型计算充电终端设备健康等级，并通过步骤1中的配置模型寻找出该健康等级所对应的充电终端节点，根据不同的健康等级给出不同的处理建议。

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盐城中科高通量计算研究院有限公司，其通讯地址为：224000 江苏省盐城市盐都区盐龙街道智能终端创业园二期14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”。