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申请的专利面向储能集群时序理解的大模型智能运维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：CN121329390B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511885690.8，技术领域涉及：G06Q10/20；该发明授权面向储能集群时序理解的大模型智能运维方法及系统是由赵春晖;杨佳阳;郏振崴;金建祥设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本面向储能集群时序理解的大模型智能运维方法及系统在说明书摘要公布了：本发明公开了一种面向储能集群时序理解的大模型智能运维方法及系统，该方法包括：获取储能电池时序数据，提取单体与集群多尺度运行表征；引入密集时间片机制对连续时序进行语义模态划分；定义多粒度电池语义表与标准化映射法则，将数值信号转换为语义表示；采用多智能体共识校验机制引导大语言模型，生成结构化运行档案，支持基于提示查询与检索增强的可解释运维。本发明首次定义了电池时序理解新范式，构建电池时序数据到高级语义知识的映射关系，弥补两者鸿沟，解决了大语言模型存在的电池知识匮乏与数值时序信号处理难题，显著提升时序预测与异常检测任务的可信度和准确性，为储能系统提供知识驱动的自动化运维支持，兼具经济与工程实用性。

本发明授权面向储能集群时序理解的大模型智能运维方法及系统在权利要求书中公布了：1.一种面向储能集群时序理解的大模型智能运维方法，其特征在于，包括以下步骤： 1获取电池运行时序数据，包括每个电池模组的电流以及该电池模组中每个电池单体的电压、温度、荷电状态； 2定义一个覆盖电池运维领域知识的多粒度的电池语义表；所述电池语义表从集群整体水平、集群不一致性水平和个体电池水平三个视角为电压、温度、电荷状态、电流规定一系列描述性语义条目； 3构造密集时间片驱动的时序-语义模态划分模块，以将电池运行时序数据划分为多个时间切片，并基于电池语义表，将每个时间切片内的数据模式映射为特定的语义表示，并将相同的语义表示进行合并与文本化转换，生成语义句子集合；所述步骤3具体包括以下子步骤： 3.1时间切片划分：将待分析的长度为T的电池运行时序数据划分为S个短时间单元，即时间切片； 3.2局部语义检测：针对每个时间切片，根据预定义的数学规则确定语义检测规则，并依据语义检测规则将该时间切片内的数据模式映射到电池语义表中定义的特定语义类别上； 3.3局部语义模式增强：按时间顺序扫描所有时间切片的局部语义检测结果，将连续的、语义相同的多个时间切片合并为一个统一的语义段，并更新其持续时间范围，以生成中间语义表示； 3.4语义转换：将中间语义表示转换为基础的自然语言句子，以获取语义句子集合； 4构造自进化叙述生成模块，以将语义句子集合输入至由多个大语言模型构成的多智能体系统中，通过多智能体共识校验机制建立电池运行描述档案生成流程，并通过自进化训练范式，对大语言模型进行微调训练；所述步骤4具体包括以下子步骤： 4.1定义电池运行描述档案模板； 4.2将语义句子集合输入到由多个大语言模型构成的多智能体系统中，每个大语言模型根据电池运行描述档案模板生成电池运行时序描述草稿； 4.3判断各个大语言模型生成的电池运行时序描述草稿之间的语义相似度是否大于等于预设阈值，若是，则输出共识度最高的文本作为最终电池运行描述档案保存在资料库中；若否，则由领域专家介入编写或修正后作为最终电池运行描述档案保存在资料库中； 4.4使用电池运行描述档案对所有大语言模型进行监督训练微调，以最小化有监督损失函数为优化目标，迭代优化大语言模型的低秩适配参数；使用电池运行时序描述草稿对所有大语言模型进行基于共识引导的训练微调，以最小化共识损失函数为优化目标，迭代优化大语言模型的低秩适配参数； 5储能电池运维在线应用时，通过结构化的直接提示查询或问答场景下的检索增强生成方式，利用微调训练后的大语言模型，生成并输出自然语言形式的运维解决方案。

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，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。