買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京迅巢科技有限公司申請的專利一種基于深度學習的換電柜電池調配方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119692735B 。

龍圖騰網通過國家知識產權局官網在2025-05-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510209948.6，技術領域涉及：G06Q10/0631；該發明授權一種基于深度學習的換電柜電池調配方法是由秦蘊凱設計研發完成，并于2025-02-25向國家知識產權局提交的專利申請。

本一種基于深度學習的換電柜電池調配方法在說明書摘要公布了：本發明公開了一種基于深度學習的換電柜電池調配方法，涉及電池調配技術領域，本發明，結合電池庫存、用戶行為和交通流量構建數據集，采用融合時空特征的深度學習LSTM?GNN模型預測特定時間段的電池需求分布，該模型構建換電柜網絡的拓撲結構，捕捉空間依賴關系，并結合歷史換電記錄實現時間動態建模，提高預測的精準性；通過分析換電柜內電池的實時健康狀態，結合需求預測結果評估當前庫存的可用性，計算滿足需求的電池數量，并根據需求緊迫程度和健康狀態確定電池調配的優先級；調配策略生成方面，將電池調配問題建模為馬爾可夫決策過程，通過強化學習算法PPO構建優化模型，綜合調配路徑、數量和成本，生成全局最優調配策略。

本發明授權一種基于深度學習的換電柜電池調配方法在權利要求書中公布了：1.一種基于深度學習的換電柜電池調配方法，其特征在于：包括，步驟S1，通過物聯網IoT設備采集換電柜的實時運營數據，構建多維特征數據集；步驟S2，基于步驟S1構建的多維特征數據集，利用融合時空特征的深度學習LSTM-GNN模型，對未來特定時間段內各換電柜的電池需求進行預測，生成需求分布數據；步驟S3，結合步驟S2生成的需求分布數據，獲取換電柜內電池的實時健康狀態數據，分析電池健康狀態：評估換電柜當前庫存的可用性，計算滿足需求的電池數量；并根據健康狀態和需求緊迫程度，確定需調配的電池數量及優先級；步驟S4，基于步驟S3確定的調配電池數量與優先級，構建強化學習模型，該模型以電池調配路徑和分配數量為優化目標，結合換電柜之間的地理位置、調配成本以及電池健康狀態，生成全局調配策略；所述構建強化學習模型，該模型以電池調配路徑和分配數量為優化目標，結合換電柜之間的地理位置、調配成本以及電池健康狀態，生成全局調配策略的步驟為，將電池調配建模為馬爾可夫決策過程MDP，定義狀態空間、動作空間、獎勵函數和狀態轉移概率： ，其中，表示當前換電柜的電池庫存和健康狀態，表示可執行的調配動作，包括調配路徑和數量，為執行某動作后的獎勵值，衡量調配效率和成本，表示狀態轉移概率，由當前狀態和動作決定下一狀態；定義狀態為： ，其中，表示時間各換電柜的電池健康狀態矩陣，表示時間的電池需求差距矩陣，表示換電柜間的地理位置矩陣，定義動作為： ，其中，表示調配路徑矩陣，路徑上的元素表示換電柜到的調配優先級，表示調配數量矩陣，其中的元素為換電柜調配到的電池數量，獎勵函數綜合調配成本和需求滿足度，表示為： ，其中，表示時間的總獎勵值，表示換電柜數量，為需求滿足度的權重，為調配成本權重，表示時間第個換電柜的需求差距，表示所有換電柜在時間的總需求差距，表示換電柜到的調配成本，表示換電柜調配到的電池數量；使用基于策略梯度的強化學習算法PPO優化策略網絡，目標是最大化獎勵： ，其中，表示策略的梯度，表示在策略下的期望值，表示對策略網絡參數的梯度，表示策略網絡在狀態下選擇動作的概率，表示時間的優勢函數，在訓練完成后，策略網絡生成最優調配策略，生成公式為： ，其中，為最優調配策略，表示調配決策的時間范圍，表示期望函數；步驟S5，應用步驟S4生成的調配策略，并實時監控調配后換電柜的電池使用情況與需求波動；基于監控的實時數據，動態調整步驟S4生成的調配策略。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京迅巢科技有限公司，其通訊地址為：100000 北京市房山區燕山崗南路東一巷6號綜合樓B座B111-294；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。