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！

龙图腾网获悉青岛铁骑网络科技有限公司申请的专利基于集成学习的电池异常早期预警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：CN121541074B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610063919.8，技术领域涉及：G01R31/367；该发明授权基于集成学习的电池异常早期预警方法及装置是由陈宗兴;卢世亮;夏立国;杨珍花设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于集成学习的电池异常早期预警方法及装置在说明书摘要公布了：本发明提供了一种基于集成学习的电池异常早期预警方法及装置，涉及人工智能技术领域，基于对多源时序数据的采样值瞬时变化进行预处理，可避免时间错位引发的特征误判，并可有效保留关键预警特征，从而可有效解决数据异步与特征丢失问题。此外，针对预设荷电状态区间提取时变统计量，并与频域自适应熵特征拼接生成目标特征向量，可有效体现多参数间的动态关联，显著提升对早期复合异常的表征能力。进一步的，基于含基学习器池、自适应权重调整策略及结果融合单元的集成学习模型进行电池异常预测，能精准匹配不同结构样本，聚焦关键异常模式，输出的电池异常概率兼具精准度与稳定性，可实现对电池早期异常的高效、可靠预警。

本发明授权基于集成学习的电池异常早期预警方法及装置在权利要求书中公布了：1.一种基于集成学习的电池异常早期预警方法，其特征在于，所述方法包括： 获取目标电池的运行数据；所述运行数据包含所述目标电池的多源时序数据； 基于所述运行数据的每种属性数据的采样值瞬时变化，对每种所述属性数据进行路径对齐和数据清洗，生成预处理数据；所述属性数据包括电压属性数据、电流属性数据、温度属性数据和荷电状态属性数据； 将所述预处理数据按照电池荷电状态值划分为多个区间，计算每个所述区间的电流分布特性； 基于每个所述区间分别对应的荷电状态中心值，对所述电流分布特性进行加权融合，生成所述预处理数据对应的时变统计量； 将所述时变统计量与所述预处理数据在频域的自适应熵特征，以及所述预处理数据对应的时序耦合特征进行拼接，生成目标特征向量；其中，所述自适应熵特征通过对所述预处理数据进行自适应小波包分解确定； 将所述目标特征向量输入至预先构建的电池异常诊断模型中，通过所述电池异常诊断模型确定所述目标特征向量对应的电池异常概率，以基于所述电池异常概率对所述目标电池进行异常预警；其中，所述电池异常诊断模型基于集成学习架构构建，所述集成学习架构包括基学习器池，以及，所述基学习器池的自适应权重调整策略和结果融合单元；所述基学习器池中包括的每个基学习器用于处理预设结构的样本数据； 其中，所述电池异常诊断模型的构建方法包括： 获取所述运行数据对应的训练样本集；对所述训练样本集进行特征聚类，生成多个簇特征，并构建每个所述簇特征的基学习器；采用动态权重更新机制确定所述基学习器的动态权重，对所述基学习器进行模型训练；基于训练完成的基学习器构建电池异常诊断模型； 采用动态权重更新机制确定所述基学习器的动态权重的步骤，包括： 基于所述簇特征对应的离群程度，确定所述簇特征的局部异常因子； 根据所述簇特征的所属荷电状态区间重要性，确定当前簇特征对应的区间权重； 利用所述区间权重和所述局部异常因子对所述基学习器的权重系数进行动态更新，生成所述基学习器的动态权重；其中，对于被误分类的样本，若其处于极端荷电状态区间或原始信号表现出高离群性，则其在下一轮迭代中获得更大的权重增幅。

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青岛铁骑网络科技有限公司，其通讯地址为：266000 山东省青岛市城阳区新郑路9号办公楼205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。