一种基于机器学习的绿色碳足迹预测方法及相关装置

    公开(公告)号:CN119151034A

    公开(公告)日:2024-12-17

    申请号:CN202411112666.6

    申请日:2024-08-14

    Abstract: 本发明涉及一种基于机器学习的绿色碳足迹预测方法及相关装置,该方法包括:采集已有的产品碳足迹数据,包括产品的各生命周期环节的能源消耗数据、原材料使用数据及各阶段的碳排放数据;将采集到的数据按比例8:1:1分为训练集、测试集和验证集,在训练集上训练人工神经网络模型,在测试集上对模型的性能进行测试,最后在验证集上验证模型的有效性;将训练集数据输入人工神经网络进行深度学习;引入均方差损失函数对人工神经网络模型进行梯度优化;将人工神经网络模型用于其他产品的碳足迹预测计算中。本发明利用机器学习算法对产品碳足迹进行预测,不仅可以大大简化数据的采集,并且计算速度也比传统计算方法快。

    一种光伏阵列模型并联阻抗与串联阻抗估计方法

    公开(公告)号:CN116361937B

    公开(公告)日:2024-08-23

    申请号:CN202310131750.1

    申请日:2023-02-16

    Abstract: 本发明提供一种光伏阵列模型并联阻抗与串联阻抗估计方法,包括以下步骤:步骤1:利用最大功率点电压与电流,计算最大功率点等效电导;步骤2:利用最大功率点电压,计算交点电压值;步骤3:利用最大功率点电流,计算交点电流值;步骤4:利用交点电压值及最大功率点等效电导,计算短路电流点等效电导;步骤5:利用交点电流值及最大功率点等效电导,计算开路电压点等效电导;步骤6:利用短路电流点等效电导取倒数得到串联阻抗估计值,利用开路电压点等效电导取倒数得到并联阻抗估计值。本发明无需复杂的最优化计算方法,仅需数次初等数学计算,即可得到光伏阵列模型中的并联阻抗与串联阻抗参数,大大降低参数计算的难度,具有很好工程实用性。

    一种考虑自适应功率补偿的直流微电网电压控制方法

    公开(公告)号:CN118232301A

    公开(公告)日:2024-06-21

    申请号:CN202410235826.X

    申请日:2024-03-01

    Abstract: 一种考虑自适应功率补偿的直流微电网电压控制方法,包括构建直流微电网储能控制模块,通过该控制模块使得直流微电网的储能系统采用自适应下垂的控制根据母线电压控制数控功率;构建直流负荷控制模块,通过该控制模块将负荷直接或通过负荷变流器连接至直流母线,负荷变流器采用恒压控制;构建风电控制模块;构建光伏控制模块,通过该控制模块控制直流微电网的光伏系统根据负荷功率的需求自动调整发电功率。本发明将直流微电网的电压进行系统多模块化的进行调控,通过直流微电网储能控制模块采用自适应下垂根据最大功率和荷电状态自动协调不同电池之间的负荷功率分配,避免储能系统的过充和过放,电压波动小。

Patent Agency Ranking