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！

龙图腾网获悉浙江大学高端装备研究院申请的专利一种基于深度卷积长短期记忆网络的电池热失控预警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：CN119291506B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411247208.3，技术领域涉及：G01R31/367；该发明授权一种基于深度卷积长短期记忆网络的电池热失控预警方法是由胡蓓;谢海波;杨华勇;黄昱波;郭天宇设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种基于深度卷积长短期记忆网络的电池热失控预警方法在说明书摘要公布了：本发明公开了一种基于深度卷积长短期记忆网络的电池热失控预警方法，S1：从数据平台获取动力电池的历史电池数据字段数据并进行预处理；S2：从预处理数据中选取电池单体电压和探头温度数据，分别提取其统计特征，并分别采用时频分析技术提取其时间‑频率特征；S3：采用CLSTM构建并训练预测模型，训练输入为S1和S2的结果；S4：获取动力电池的实时数据并输入预测模型，得到预测时间窗口内的单体电池电压和探头温度预测值；S5：对两组预测值分别进行改进方差和平均极值熵的计算，比较结果与设定阈值，若其中任意一项的数值大于设定阈值，则发出热失控预警。本发明所用模型能捕捉电池数据的非平稳特征，提高电池数据预测的精度。

本发明授权一种基于深度卷积长短期记忆网络的电池热失控预警方法在权利要求书中公布了：1.一种基于深度卷积长短期记忆网络的电池热失控预警方法，其特征在于，包括以下步骤： S1：从数据平台获取动力电池的历史数据，并对其进行预处理；所述历史数据包括电池数据字段数据； S2：从预处理后的数据中选取电池单体电压和探头温度数据，对选取的两组数据分别提取其统计特征，并对选取的两组数据分别采用时频分析技术提取其时间-频率特征； S3：采用深度卷积长短期记忆网络构建并训练预测模型，训练用的输入数据为S1得到的预处理后的电池数据字段数据，以及S2得到的电池单体电压和探头温度数据的统计特征、时间-频率特征；训练完成的预测模型用于实现电池单体电压和探头温度的预测； S4：获取动力电池的实时数据，所述实时数据包括电池数据字段数据；将所述实时数据输入训练完成的预测模型，得到预测时间窗口内的单体电池电压预测值和探头温度预测值； S5：对所述单体电池电压预测值和探头温度预测值分别进行改进方差和平均极值熵的计算，将得到的单体电池电压改进方差、单体电池电压平均极值熵、探头温度改进方差、探头温度平均极值熵分别与其设定阈值进行比较，若存在其中任意一项的数值大于设定阈值的情况，则判断电池出现热失控风险，发出热失控预警；所述设定阈值通过对历史数据进行统计分析得到。

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浙江大学高端装备研究院，其通讯地址为：311106 浙江省杭州市余杭区兴国路503号5幢103室；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。