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！

龙图腾网获悉哈尔滨工业大学申请的专利基于GBDT机器学习预测的液流电池电压拐点SOC校验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：CN119808681B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411881299.6，技术领域涉及：G06F30/367；该发明授权基于GBDT机器学习预测的液流电池电压拐点SOC校验方法是由王立国;韦鑫设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于GBDT机器学习预测的液流电池电压拐点SOC校验方法在说明书摘要公布了：基于GBDT机器学习预测的液流电池电压拐点SOC校验方法，属于电力电子与长时储能控制相结合的应用基础技术领域。本发明针对当前ZBFB尚无成型的SOC精确测量技术及评估算法的不足，将机器学习中的GBDT算法应用于ZBFB的SOC实时计算与校验，所做工作可有效提高ZBFB电压拐点处的SOC计算精度，可为开发通用的液流电池SOC算法提供参考。相比于现有技术，具有如下优点：1可根据若干组具有代表性的特征数据，采用与ZBFB放电电压拐点处SOC测量相匹配的GBDT校验算法，实现ZBFB拐点处SOC的高精度评估；2应用基于极限环分析的GBDT算法校验与时效性判定准则，解决GBDT算法耗时较长的问题，从算法层面为提高GBDT的时效性提供了计算依托。

本发明授权基于GBDT机器学习预测的液流电池电压拐点SOC校验方法在权利要求书中公布了：1.基于GBDT机器学习预测的液流电池电压拐点SOC校验方法，其特征在于：所述方法包括如下步骤： 步骤一：建立锌溴液流电池综合实验平台，包含锌溴液流电池本体、BMS、EMS、PCS以及负载交流电机；其中，BMS用于电池本体的充放电数据监测，EMS用于锌溴液流电池正负极循环泵的供电，PCS用于实现DCAC的电源转换，负载交流电机用于模拟感性负荷； 步骤二：明确实测参数与辨识参数，实测参数包含电压、电流、循环泵转速、充放电时长以及实测SOC，辨识参数为电压拐点处SOC；应用蓄电池充放电综合测试仪以及BMS对实验平台进行24小时实时监测，采样周期为1min，得到实测SOC、电池电压以及电池电流数据随时间变化的曲线； 步骤三：选择ZBFB放电的多个周期内有限的电压、电流采样数据，以标识放电变化特征；在一整段的放电周期内规律间隔地提取有限的特征样本，避开敏感的异常值； 步骤四：以提取的有限的特征样本为数据集，并实时给出GBDT的损失函数、学习率，由GBDT求解给出ZBFB最佳的SOC值，开发可实现实时校验的SOC求解范式；步骤四中，实时评估电压拐点后的时域内ZBFB的SOC，构建的GBDT模型实现过程为： 1输入特征样本数据，输入损失函数；其中N为样本个数，代表第个特征样本数据，，，代表输入空间；,，代表输出空间；和分别代表输出数据和学习器函数； 2初始化弱学习器： ， 并初始化迭代次数m=1；其中为初始化弱学习器函数，为输入特征，c为损失函数最小时所取常数； 3对任一采样数据，计算残差为： 其中，为第k个特征样本数据在第m轮迭代的伪残差，即为损失函数的负梯度； 4所计算出来的残差值作为下一次训练的真实值，将拟合数据作为下一次训练的样本数据，得到一颗新的回归树，其对应的叶子节点区域为，其中为第m棵回归树的叶子节点数目； 5应用回归树的每个叶子节点计算最佳拟合值： 其中，为叶子区域的最佳拟合值，代表第m-1轮迭代的学习器给出的样本数据的预测值； 6刷新强学习器： 其中，为第m轮迭代的学习器，I为指示记号其值取1，其用于在节点区域拟合分类器； 7完成M轮迭代后得到最后的提升回归树： ， 其中，为迭代次数，即树的数量； 8获取及分析最优的决策树； 9通过与基本样本比较验证； 10如果预测值合理则输出，反之m=m+1，从3开始重复上述计算过程； 步骤五：应用极限环理论推导应用GBDT计算ZBFB高精度SOC的判定与校验准则，通过减少GBDT的应用次数来提高其在一个完整充放电周期内的计算效率，以提高所提GBDT算法的实时性；步骤五中，在一个完整的充放电周期内，通过放电电压极限环、放电电流极限环分析，判定不同放电时段是否需要GBDT进行SOC校验的必要性，通过减少GBDT的应用次数来提高其在一个完整充放电周期内的计算效率。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。