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！

龙图腾网获悉中讯邮电咨询设计院有限公司申请的专利一种基于数字孪生的配电网络电池数字化动态管理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：CN120955894B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511083259.1，技术领域涉及：H02J13/13；该发明授权一种基于数字孪生的配电网络电池数字化动态管理系统是由张建忠;章玮洁;赵河;侯玉兵;黄亚洲;石欣然;廖畅;刘子羽;孙怡婷;杨晟;成亮设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种基于数字孪生的配电网络电池数字化动态管理系统在说明书摘要公布了：本发明涉及智能电网技术领域，具体地说，涉及一种基于数字孪生的配电网络电池数字化动态管理系统。包括：数据采集单元；数字孪生建模单元，用于构建电池‑电网‑环境的多维度动态孪生体，结合多物理场耦合模型与长短期记忆网络时序预测算法实现虚实双向映射及自适应更新；动态优化单元；执行反馈单元。本发明通过数据采集单元的分布式异构传感网络，采集电池组与配电网络关键节点的多维运行数据，结合时空特征提取技术生成包含电池状态、电网参数、时间、位置四维标签的高保真数据集，实现了电池全生命周期状态与配电网络全域运行数据的深度融合，为优化决策提供了覆盖全域的全面数据支撑。

本发明授权一种基于数字孪生的配电网络电池数字化动态管理系统在权利要求书中公布了：1.一种基于数字孪生的配电网络电池数字化动态管理系统，其特征在于，包括： 数据采集单元100，用于实现电池组全生命周期状态与配电网络全域运行数据的深度感知，基于分布式异构传感网络与时空特征提取技术构建高保真数据集，并将高保真数据集传输至数字孪生建模单元200； 数字孪生建模单元200，用于构建电池-电网-环境的多维度动态孪生体，数字孪生建模单元200接收数据采集单元100输出的高保真数据集，结合多物理场耦合模型与长短期记忆网络时序预测算法实现虚实双向映射及自适应更新，并将孪生体实时状态与预测数据输出至动态优化单元300； 所述数字孪生建模单元200中，结合多物理场耦合模型与长短期记忆网络时序预测算法实现虚实双向映射及自适应更新，包括如下步骤： S230.1、虚实映射关系初始化：基于数据采集单元100输出的高保真数据集，建立物理实体与虚拟孪生体的参数映射规则，并存储于映射规则库； S230.2、预测序列生成与输入：LSTM行为预测模块220基于历史运行数据与实时感知数据，生成未来预设时段的状态预测序列，通过标准化接口传输至多物理场耦合建模模块210； S230.3、多物理场协同仿真：多物理场耦合建模模块210将预测序列作为边界条件输入，启动电池电化学场、电网电磁场与环境温度场的协同仿真，仿真步长与LSTM预测序列的时间粒度保持一致，输出虚拟孪生体的状态响应结果；其中，预测序列包含电池充放电电流、电网节点功率及环境温度的时序数据； S230.4、虚实偏差计算：通过数据采集单元100的分布式传感模块提取实时运行数据，并调用映射规则库中的参数对应关系进行数据对齐，采用均方根误差公式计算实时运行数据与虚拟状态响应结果的偏差值； S230.5、模型自适应更新：当任意一类指标的偏差值连续超过预设阈值时，触发更新机制：对LSTM行为预测模块220调整门控权重矩阵，对多物理场耦合建模模块210修正场参数关联矩阵中的耦合系数，更新幅度与偏差值呈正相关； S230.6、闭环验证与迭代：更新后的模型重复执行S230.2-S230.4步骤，直至所有指标的偏差值回归至阈值内，形成“预测-仿真-校验-更新”的闭环迭代流程； 动态优化单元300，用于实现多电池组与配电网络的全域协同优化，动态优化单元300接收数字孪生建模单元200输出的孪生体实时状态与预测数据，集成孪生体实时状态数据与改进的深度强化学习-多目标优化融合算法，生成随工况动态适配的全局最优策略，并将所述全局最优策略转化为结构化策略指令传输至执行反馈单元400； 所述动态优化单元300包括算法融合模块310、策略生成模块320和工况适配模块330，其中： 所述算法融合模块310集成孪生体实时状态数据与改进的深度强化学习-多目标优化融合算法，所述改进的深度强化学习-多目标优化融合算法以孪生体输出的电池荷电状态、电网节点电压、环境温度作为状态输入； 所述策略生成模块320基于算法融合模块310的计算结果生成充放电调度策略、负荷分配策略及网络拓扑调整策略，所述策略包含时间维度与空间维度的双重约束； 所述工况适配模块330用于监测配电网络与电池组的工况变化，当工况变化率超过预设阈值时，触发算法融合模块310的参数自适应调整； 所述改进的深度强化学习-多目标优化融合算法的执行包括如下步骤： S340.1、状态输入与特征提取： 算法融合模块310接收孪生体实时状态数据，提取电池组荷电状态序列、电网节点电压序列及环境温度，构建状态向量； 并对向量进行归一化处理： ； ； ； 其中，为归一化后的荷电状态，为第个电池单体的实时荷电状态，为电池安全运行的最小荷电状态，为电池安全运行的最大荷电状态；为归一化后的电压，为第个电网节点的实时电压，为电网节点安全运行的最小电压，为电网节点安全运行的最大电压；为系统安全运行的最低温度，为系统安全运行的最高温度，为归一化后的温度； S340.2、奖励函数计算： 基于状态向量计算多目标奖励值； S340.3、多目标优化求解：采用改进NSGA-Ⅲ算法对决策变量，进行优化，式中表示电池充放电功率，表示开关状态，目标函数为： ； 其中，为最小化电网运行成本；为最小化电池损耗成本；为最大化能源利用效率； 优化过程中引入约束条件：充放电功率，其中为电池额定功率；相邻节点开关状态不同时为断开； S340.4、最优解筛选：从优化得到的非支配解集中，通过层次分析法筛选指标，构建判断矩阵： ； 并筛选出与当前工况匹配的全局最优解； S340.5、策略生成与输出：将最优解转换为结构化策略指令，通过策略生成模块320输出至执行反馈单元400； S340.6、参数迭代更新：每执行100次策略后，对比实际奖励与预测奖励： 若，动态调整NSGA-Ⅲ交叉概率； 采用梯度下降法更新权重系数，直至策略适配度＞90%； 执行反馈单元400，用于实现优化策略的精准执行与动态校正，接收动态优化单元300输出的结构化策略指令，通过指令解析技术与实时状态反馈机制构建孪生模型与物理系统的闭环校正链路。

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中讯邮电咨询设计院有限公司，其通讯地址为：100000 北京市海淀区首体南路9号3#楼101；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。