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！

龙图腾网获悉浙江积丰能源科技有限公司申请的专利一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及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：CN121367240B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511947417.3，技术领域涉及：H02J3/32；该发明授权一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统是由严中铂;王霄峡设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统在说明书摘要公布了：本发明公开了一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统，方法包括：通过多模态传感器采集储能电池簇的电学、热学与老化状态数据，并利用图神经网络与长短期记忆网络构建其多物理场耦合的数字孪生模型；将实时采集的电池簇运行数据与数字孪生模型进行同步映射，生成具有超前预测能力的电池簇内部的状态演化序列；基于状态演化序列，预测电网关键节点的动态稳定边界及未来可能出现的失稳风险时段；根据动态稳定边界与所述失稳风险时段，生成构网型储能设备的输出电压幅值、相位与虚拟阻抗的协同调整指令。利用本发明实施例，能够提升储能系统在复杂电网环境下的诊断可靠性、控制前瞻性与运行安全性。

本发明授权一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法及系统在权利要求书中公布了：1.一种基于数字孪生与深度学习的储能系统实时诊断与构网控制方法，其特征在于，所述方法包括： 通过多模态传感器采集储能电池簇的电学、热学与老化状态数据，并利用图神经网络与长短期记忆网络构建其多物理场耦合的数字孪生模型； 将实时采集的电池簇运行数据与所述数字孪生模型进行同步映射，生成具有超前预测能力的电池簇内部的状态演化序列； 基于所述状态演化序列，通过融合卷积神经网络与长短期记忆网络的深度学习模型，预测电网关键节点的动态稳定边界及未来可能出现的失稳风险时段；其中，从电池簇内部状态演化序列中，提取未来时段内电池簇可提供的功率支撑能力曲线、等效惯性时间常数变化曲线及虚拟惯量响应特性，生成储能侧动态特性预测数据；将储能侧动态特性预测数据与电网拓扑结构、实时潮流数据相结合，构建以关键节点为中心的时空输入特征张量，生成电网-储能耦合态势特征图；将电网-储能耦合态势特征图输入融合卷积神经网络与长短期记忆网络的深度学习模型，其中卷积神经网络提取空间关联特征，长短期记忆网络提取时序演化特征，生成时空融合的深层特征表示；基于时空融合的深层特征表示，通过模型末端的全连接回归层与分类层，并行输出关键节点的功角稳定、电压稳定及频率稳定的动态边界量化指标，以及未来可能发生失稳的风险时段概率分布，生成动态稳定边界与失稳风险时段预测报告； 根据所述动态稳定边界与所述失稳风险时段，生成构网型储能设备的输出电压幅值、相位与虚拟阻抗的协同调整指令。

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浙江积丰能源科技有限公司，其通讯地址为：310018 浙江省杭州市萧山区经济技术开区金二路617号信息港六期12幢414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。