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！

龙图腾网获悉南京信息工程大学申请的专利基于多源异步感知与时间混合建模的蓄电池容量预测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：CN121412934B 。

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：202511970815.7，技术领域涉及：G06F18/25；该发明授权基于多源异步感知与时间混合建模的蓄电池容量预测方法是由潘宣甫;刘庆程;王艺翔;程旭设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本基于多源异步感知与时间混合建模的蓄电池容量预测方法在说明书摘要公布了：本发明公开了基于多源异步感知与时间混合建模的蓄电池容量预测方法，包括采集蓄电池组的电化学参数，并进行预处理，获得时间序列样本，提取容量时间序列；构建多通道卷积编码器族模块，以时间序列样本为输入，对电化学参数进行独立特征提取，获得空间特征映射；构建时间混合建模模块，以容量时间序列为输入，获得容量时序特征映射；构建跨参数特征融合层，输入空间特征映射与容量时序特征映射，获得健康状态特征；将健康状态特征输入至回归预测头，输出蓄电池组的预测值；构建主损失函数进行模型训练。本发明对变电站蓄电池容量退化过程实现了一体化预测机制，能够有效适应变电站复杂运行环境，具有较高的工程可行性与推广应用价值。

本发明授权基于多源异步感知与时间混合建模的蓄电池容量预测方法在权利要求书中公布了：1.基于多源异步感知与时间混合建模的蓄电池容量预测方法，其特征在于，执行如下步骤S1-步骤S6，完成目标变电站的蓄电池组容量预测： 步骤S1：采集目标变电站运行过程中蓄电池组的电化学参数，包括电压、电流、内阻、温度、温度-内阻耦合比及状态熵，并针对电化学参数进行预处理，获得由预处理后的各电化学参数构成的时间序列样本，并提取容量时间序列； 步骤S2：针对各电化学参数的异步采样特性，构建多通道卷积编码器族模块，以时间序列样本为输入，分别对其中各电化学参数进行独立特征提取，获得各电化学参数的空间特征映射； 步骤S2的多通道卷积编码器族模块具体如下： 多通道卷积编码器族模块具有六个电化学参数分支，分别对应各电化学参数，多通道卷积编码器族模块输入时间序列样本，分别对电压、电流、内阻、温度、温度-内阻耦合比及状态熵进行独立特征提取； 每个电化学参数分支均包含多尺度深度可分离卷积、层归一化与GELU激活函数，通过多通道卷积编码器族模块得到多源空间特征映射如下式： ； 式中，、、、、、分别为电压、电流、内阻、温度、温度-内阻耦合比及状态熵的空间特征映射；表示多通道卷积编码器族模块处理；、、、、、分别为电压、电流、内阻、温度、温度-内阻耦合比及状态熵的时间序列样本； 步骤S3：基于蓄电池组容量随时间的长期退化趋势，构建时间混合建模模块，以容量时间序列为输入，获得容量时序特征映射； 步骤S3的时间混合建模模块具体如下： 时间混合建模模块以容量时间序列为输入，融合混合卷积核与时域注意力算子，提取容量时序特征映射如下式： ； 式中，表示容量时序特征映射，表示融合混合卷积核处理，表示时域注意力算子处理；表示容量时间序列； 步骤S4：构建跨参数特征融合层，将多通道卷积编码器族模块输出的空间特征映射与时间混合建模模块输出的容量时序特征映射进行拼接，随后引入特征通道注意力机制，计算不同电化学参数特征的注意力权重，最终进行加权融合，获得融合后的健康状态特征； 步骤S5：将融合后的健康状态特征输入至回归预测头，输出蓄电池组的预测值，包括下一时刻容量、未来多步容量退化序列及剩余使用寿命估计； 步骤S6：基于多通道卷积编码器族模块、时间混合建模模块、跨参数特征融合层、回归预测头，构建蓄电池组容量预测模型，并构建主损失函数，监督蓄电池组容量预测模型训练，获得训练好的蓄电池组容量预测模型，应用训练好的蓄电池组容量预测模型，完成目标变电站的蓄电池组容量预测。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。