公开(公告)号：CN118171049B

公开(公告)日：2024-07-16

申请号：CN202410584963.4

申请日：2024-05-13

Applicant: 西南交通大学

Inventor： 张兴博 ,  陈奎 ,  罗杨 ,  龙舟 ,  李洋 ,  廖强 ,  朱嘉敏 ,  周书园 ,  刘朴样 ,  刘凯 ,  高国强 ,  吴广宁

IPC: G06F18/10 ,  G06F18/2135 ,  G06F18/214 ,  G06F18/241 ,  G06N3/045 ,  G06Q50/06

Abstract: 本发明提供了一种基于大数据的边缘计算的电池管理方法及系统，涉及储能电池管理系统技术领域，包括利用历史储能电池信号构建输入矩阵，基于降维方法得到降维后的储能电池特征数据集；将降维后的储能电池特征数据集进行预处理，并根据深度置信神经网络，建立第一深度置信神经网络模型；将第一深度置信神经网络模型进行裁剪，将裁剪后的第一深度置信神经网络模型进行划分，得到第二深度置信神经网络模型；将第二深度置信神经网络模型应用至基于深度学习算法的边缘设备进行计算，对储能电池数据进行管理。本发明能实现储能电池大数据价值信息快速精准挖掘，攻克储能电池多、数据量大以及边缘计算能力有限的瓶颈问题，有效提升执行效率与实时性。

公开(公告)号：CN118171049A

公开(公告)日：2024-06-11

申请号：CN202410584963.4

申请日：2024-05-13

Applicant: 西南交通大学

Inventor： 张兴博 ,  陈奎 ,  罗杨 ,  龙舟 ,  李洋 ,  廖强 ,  朱嘉敏 ,  周书园 ,  刘朴样 ,  刘凯 ,  高国强 ,  吴广宁

IPC: G06F18/10 ,  G06F18/2135 ,  G06F18/214 ,  G06F18/241 ,  G06N3/045 ,  G06Q50/06

Abstract: 本发明提供了一种基于大数据的边缘计算的电池管理方法及系统，涉及储能电池管理系统技术领域，包括利用历史储能电池信号构建输入矩阵，基于降维方法得到降维后的储能电池特征数据集；将降维后的储能电池特征数据集进行预处理，并根据深度置信神经网络，建立第一深度置信神经网络模型；将第一深度置信神经网络模型进行裁剪，将裁剪后的第一深度置信神经网络模型进行划分，得到第二深度置信神经网络模型；将第二深度置信神经网络模型应用至基于深度学习算法的边缘设备进行计算，对储能电池数据进行管理。本发明能实现储能电池大数据价值信息快速精准挖掘，攻克储能电池多、数据量大以及边缘计算能力有限的瓶颈问题，有效提升执行效率与实时性。

公开(公告)号：CN115330046A

公开(公告)日：2022-11-11

申请号：CN202210958858.3

申请日：2022-08-10

Applicant: 西南交通大学

Inventor： 肖嵩 ,  张予慧 ,  郭裕钧 ,  吴广宁 ,  张血琴 ,  刘建城 ,  王梓靖 ,  曹野 ,  李普普 ,  喻婕 ,  刘朴样

IPC: G06Q10/04 ,  G06K9/62

Abstract: 一种轨交列车车载高压设备健康状态评估及寿命预测方法，采集车载高压侧设备的在VCB及分网离线等特殊工况下的过电压数据，同步采集设备的环境温度数据，通过上述数据相关性分析，确定设备的绝缘强度配比；将定期把采集数据上传终端录波服务器，并长期跟踪记录各设备发生故障的时间及故障类型；通过深度学习网络寻找过电压幅值、累计频次、间隔时间等特征以及设备温度变化特征与设备故障间的关联关系；通过训练后的模型预测各关键设备的服役寿命、评估故障发生的风险，避免设备发生局部放电或更严重的局部击穿等故障，有效的保障列车牵引供电系统的安全、稳定运行。本发明具有测试时间成本低，测试可靠性高等特点。