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！

龙图腾网恭喜北京迅巢科技有限公司申请的专利一种基于深度学习的换电柜电池调配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：CN119692735B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510209948.6，技术领域涉及：G06Q10/0631；该发明授权一种基于深度学习的换电柜电池调配方法是由秦蕴凯设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种基于深度学习的换电柜电池调配方法在说明书摘要公布了：本发明公开了一种基于深度学习的换电柜电池调配方法，涉及电池调配技术领域，本发明，结合电池库存、用户行为和交通流量构建数据集，采用融合时空特征的深度学习LSTM‑GNN模型预测特定时间段的电池需求分布，该模型构建换电柜网络的拓扑结构，捕捉空间依赖关系，并结合历史换电记录实现时间动态建模，提高预测的精准性；通过分析换电柜内电池的实时健康状态，结合需求预测结果评估当前库存的可用性，计算满足需求的电池数量，并根据需求紧迫程度和健康状态确定电池调配的优先级；调配策略生成方面，将电池调配问题建模为马尔可夫决策过程，通过强化学习算法PPO构建优化模型，综合调配路径、数量和成本，生成全局最优调配策略。

本发明授权一种基于深度学习的换电柜电池调配方法在权利要求书中公布了：1.一种基于深度学习的换电柜电池调配方法，其特征在于：包括，步骤S1，通过物联网IoT设备采集换电柜的实时运营数据，构建多维特征数据集；步骤S2，基于步骤S1构建的多维特征数据集，利用融合时空特征的深度学习LSTM-GNN模型，对未来特定时间段内各换电柜的电池需求进行预测，生成需求分布数据；步骤S3，结合步骤S2生成的需求分布数据，获取换电柜内电池的实时健康状态数据，分析电池健康状态：评估换电柜当前库存的可用性，计算满足需求的电池数量；并根据健康状态和需求紧迫程度，确定需调配的电池数量及优先级；步骤S4，基于步骤S3确定的调配电池数量与优先级，构建强化学习模型，该模型以电池调配路径和分配数量为优化目标，结合换电柜之间的地理位置、调配成本以及电池健康状态，生成全局调配策略；所述构建强化学习模型，该模型以电池调配路径和分配数量为优化目标，结合换电柜之间的地理位置、调配成本以及电池健康状态，生成全局调配策略的步骤为，将电池调配建模为马尔可夫决策过程MDP，定义状态空间、动作空间、奖励函数和状态转移概率： ，其中，表示当前换电柜的电池库存和健康状态，表示可执行的调配动作，包括调配路径和数量，为执行某动作后的奖励值，衡量调配效率和成本，表示状态转移概率，由当前状态和动作决定下一状态；定义状态为： ，其中，表示时间各换电柜的电池健康状态矩阵，表示时间的电池需求差距矩阵，表示换电柜间的地理位置矩阵，定义动作为： ，其中，表示调配路径矩阵，路径上的元素表示换电柜到的调配优先级，表示调配数量矩阵，其中的元素为换电柜调配到的电池数量，奖励函数综合调配成本和需求满足度，表示为： ，其中，表示时间的总奖励值，表示换电柜数量，为需求满足度的权重，为调配成本权重，表示时间第个换电柜的需求差距，表示所有换电柜在时间的总需求差距，表示换电柜到的调配成本，表示换电柜调配到的电池数量；使用基于策略梯度的强化学习算法PPO优化策略网络，目标是最大化奖励： ，其中，表示策略的梯度，表示在策略下的期望值，表示对策略网络参数的梯度，表示策略网络在状态下选择动作的概率，表示时间的优势函数，在训练完成后，策略网络生成最优调配策略，生成公式为： ，其中，为最优调配策略，表示调配决策的时间范围，表示期望函数；步骤S5，应用步骤S4生成的调配策略，并实时监控调配后换电柜的电池使用情况与需求波动；基于监控的实时数据，动态调整步骤S4生成的调配策略。

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北京迅巢科技有限公司，其通讯地址为：100000 北京市房山区燕山岗南路东一巷6号综合楼B座B111-294；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”。