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！

龙图腾网恭喜暨南大学申请的专利退役动力电池匹配重组方法、服务系统及存储介质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：CN119397293B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411662392.8，技术领域涉及：G06F18/22；该发明授权退役动力电池匹配重组方法、服务系统及存储介质是由张凯;蒋波;屈挺;郑湃;李昭;黄国全设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本退役动力电池匹配重组方法、服务系统及存储介质在说明书摘要公布了：本申请涉及退役动力电池匹配重组方法、服务系统及存储介质，该方法包括：在对每个待重组目标退役动力电芯的目标信息所对应的多种目标指标参数进行预处理，生成对应的多种标准特征参数之后，利用一致性分选模型处理每个目标退役动力电芯所对应的多种标准特征参数，得到分选出的多个退役动力电芯集合所对应的分类标签数据；基于预先获取的电池需求参数、多个退役动力电芯集合及对应的分类标签数据，利用改进的人工蜂群算法进行电池重组配置规划迭代，生成对应的重组配置信息；在确定电池需求参数所对应的生产订单需求信息之后，对生产订单需求信息和重组配置信息，利用预设的启发式算法进行排产规划，并按生成的目标排产规划信息进行动力电池重组。

本发明授权退役动力电池匹配重组方法、服务系统及存储介质在权利要求书中公布了：1.一种退役动力电池匹配重组方法，其特征在于，包括：获得待重组的多个目标退役动力电芯的目标信息，其中，每个所述目标信息包括多种目标指标参数，所述目标指标参数用于表征对应的所述目标退役动力电芯的一种特性参数，所述特性参数至少用于表征所述目标退役动力电芯的当前存储状态；在对每个所述目标退役动力电芯所对应的多种所述目标指标参数进行预处理，生成对应的多种标准特征参数之后，利用已训备的一致性分选模型处理每个所述目标退役动力电芯所对应的多种所述标准特征参数，得到分选出的多个退役动力电芯集合所对应的分类标签数据，其中，所述分类标签数据包括用于表征所述退役动力电芯集合在重组过程中应用于梯次场景的优先级的重组适配等级，所述一致性分选模型是基于模糊c-均值聚类算法训练的机器学习模型，并被训练为根据输入的电池特征参数生成与对应退役动力电芯集合所对应的分类标签数据；基于预先获取的电池需求参数、多个所述退役动力电芯集合以及对应的所述分类标签数据，利用改进的人工蜂群算法进行电池重组配置规划迭代，生成对应的重组配置信息，其中，所述重组配置信息包括重组的动力电池组所对应的所述退役动力电芯对应的所述目标信息；在确定所述电池需求参数所对应的生产订单需求信息之后，对所述生产订单需求信息和所述重组配置信息，利用预设的启发式算法进行排产规划，并按生成的目标排产规划信息进行动力电池重组，得到多个重组动力电池，其中，基于预先获取的电池需求参数、多个所述退役动力电芯集合以及对应的所述分类标签数据，利用改进的人工蜂群算法进行电池重组配置规划迭代，生成对应的重组配置信息，包括：根据多个所述退役动力电芯集合所对应的所述分类标签数据，利用所述改进的人工蜂群算法进行电池重组配置，生成第一重组配置信息，其中，所述第一重组配置信息包括为第一动力电池组分选的所述目标退役动力电芯，所述第一动力电池组用于表示当前重组配置出的动力电池组；从所述第一重组配置信息中，获取每个所述第一动力电池组对应的第一适应度，其中，所述第一适应度是基于为每个所述第一动力电池组分配的所述目标退役动力电芯所对应的所述分类标签数据所构建的适配函数计算的，并用于表征所述第一动力电池组的性能优异程度；确定所述电池需求参数所对应的需求电池组所对应的目标适应度，并根据所述第一适应度与所述目标适应度的差值，对所述第一重组配置信息进行基于所述改进的人工蜂群算法的局部搜索、邻域优化及全局搜索的迭代，直至所述差值不大于预设阈值，生成所述重组配置信息，其中，在全局搜索阶段，所述改进的人工蜂群算法引入了动态邻域调整和局部最优逃逸机制。

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暨南大学，其通讯地址为：519000 广东省珠海市香洲区前山路206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”。