-
公开(公告)号：CN118645992A
公开(公告)日：2024-09-13
申请号：CN202410689561.0
申请日：2024-05-30
发明人： 黄亮 , 庹量禹 , 崔一铂 , 凌在汛 , 孙朝霞 , 顾一鸣 , 向慕超 , 吴笑民 , 刘曼佳 , 邓桂平 , 陈文 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 宋杨 , 鲁金华 , 万冲
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08 , G06Q50/06 , G06Q50/40 , B60L3/12 , B60L53/00
摘要： 一种基于IACO‑Attention‑LSTM的电动汽车充电负荷预测方法，选择电价以及节假日作为输入变量；IACO算法采用精英蚂蚁系统和最小最大蚂蚁系统，使用IACO算法对LSTM神经网络进行优化时，IACO反馈LSTM神经网络的预测误差；进行IACO‑LSTM方法负荷预测前，IACO算法对LSTM进行训练，选择不同的超参数对数据集进行训练并预测输出结果，根据预测结果和真实负荷值的误差确定让蚂蚁最快遍历所有目标的超参数，在迭代次数完成之后输出最优解，赋值给LSTM神经网络，确定最终LSTM神经网络预测模型，运用Attention机制对所有预测结果进行整合，得到预测结果，以提升预测准确性和效率。
-
公开(公告)号：CN118569576A
公开(公告)日：2024-08-30
申请号：CN202410690369.3
申请日：2024-05-30
发明人： 凌在汛 , 向慕超 , 崔一铂 , 黄亮 , 庹量禹 , 刘曼佳 , 佟翾 , 张帅 , 成诚 , 吴笑民 , 刘鸣柳 , 易忱 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 焦海文 , 阮庄
IPC分类号： G06Q10/0631 , G06Q50/06 , G06Q50/40 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/086 , G06N3/006
摘要： 本发明提供了一种基于IGwo‑Attention‑LSTM的电动汽车充电负荷预测方法，其结合了GWO优化算法，提出了IGWO和IACO算法，用于改进LSTM模型的超参数设定，从而提高模型的性能和泛化能力；并引入了Attention机制，对LSTM多个时间步的预测结果进行整合，使得模型能够更好地捕捉时间序列数据的关联性和重要性；同时通过改进GWO算法的缺点，IGWO‑Attention‑LSTM算法在负荷预测中展现出更高的准确性和稳定性，准确的负荷预测可以帮助充电站在高峰期提前做好准备，避免能源浪费和高峰时段的能源成本增加，从而节约能源成本。
-
公开(公告)号：CN117977661B
公开(公告)日：2024-09-06
申请号：CN202410361261.X
申请日：2024-03-28
摘要： 本发明公开了一种磁耦合型光储充放集成装置以及经济运行控制方法，在磁耦合型集成装置基础上，灵活接入了光储充多类型终端设备以及光储充协同控制装置，并引入了磁耦合型光储充放集成装置经济运行控制方法，具备终端设备状态信息采集及指令下发、能量流实时协同调度、光伏发电电量预测、电动汽车充放电电量预测和光储充放多能流经济运行控制规划等多项功能，可以实现光、储、充、放多种能量形式的协同、经济、智能调度。本发明充分利用光储充多类型终端资源柔性调节能力，全面提升了传统光储充站点设备运行可靠性差、资源利用效率、经济运营能力。
-
公开(公告)号：CN115036918B
公开(公告)日：2024-08-27
申请号：CN202210752627.7
申请日：2022-06-29
IPC分类号： H02J3/00 , H02J3/32 , H02J3/24 , H02J3/38 , G06F30/27 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06N3/045 , B60L53/64
摘要： 本发明提供一种光储充电站经济运行费用和负荷方差优化的方法，在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上，同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型，然后利用LSTM算法和GA‑BP算法对光伏发电功率和电动汽车充电负荷功率准确预测，并在此基础上利用NSGA‑II算法对双目标模型求解。本发明基于在完整优化周期对站内最大光伏发电功率和电动汽车需求功率的准确预测的基础上，对目标函数计算，即优化充电站周期内系统经济运行费用和负荷方差，此项发明可广泛应用于光储充电站系统控制领域。
-
公开(公告)号：CN116826776A
公开(公告)日：2023-09-29
申请号：CN202310695556.6
申请日：2023-06-12
摘要： 一种基于麻雀搜索算法的系统电压偏差补偿优化方法，包括：分析基于在单无功功率补偿和单有功功率补偿的情况下负载电压的变化，确定无功电流和有功电流与负载电压之间的对应关系；当负载电压低于国标要求时，根据基于无功电流和有功电流与负载电压之间的对应关系，采用麻雀搜索算法对无功电流进行控制，不断改变无功电流输入，搜索电压的无功最大补偿点，补偿装置据此对系统进行无功功率补偿或无功有功同时补偿，使负载电压满足电压补偿需求；当负载电压高于国标要求时，系统对补偿装置进行有功输入，降低负载电压达使之到国标范围内。本发明在保证负载电压满足国标前提下尽量通过无功功率输出的方式进行电压补偿，实现经济效益最大化。
-
公开(公告)号：CN116494784A
公开(公告)日：2023-07-28
申请号：CN202310245165.4
申请日：2023-03-10
摘要： 本发明提出一种基于模糊深度神经网络的电动汽车充电负荷预测方法、装置、系统及存储介质，该方法包括：S1，对历史负荷数据进行预处理和采用隶属度函数对温度进行数字化模糊处理后再对所有输入数据进行归一化处理，再将其一起输入到神经网络中；S2，将经过步骤S1处理的负荷数据作为脉冲神经网络的训练样本，进行预训练初步构建深度神经网络预测模型，完成对深度神经网络每一层神经元的权值初始化；S3，预训练后，使用PSO对步骤S2初始化的模糊深度神经网络各层之间权参量精细化微调，建立模糊深度神经网络预测模型。本发明既考虑了传统负荷预测方法难以同时兼顾负荷时间特性和空间特性的问题，又能客观反映实际情况，实用性更强。
-
公开(公告)号：CN118612309B
公开(公告)日：2024-11-12
申请号：CN202411074115.5
申请日：2024-08-07
摘要： 本发明提出一种智能网关转换方法、装置、设备及存储介质，方法包括：设计智能网关系统架构并进行系统集成；构建深度学习模型，使用深度学习模型对协议数据包结构进行解析得到解析结果；设计协议转换规则和标准化数据格式对解析结果进行处理，得到标准格式的数据包；集成边缘计算能力，在本地对标准格式的数据包进行AI推理和实时数据处理；设计动态负载均衡机制，智能分配数据处理任务。本发明引入最新的人工智能技术，特别是深度学习、边缘计算、自然语言处理和计算机视觉等技术，在多协议解析、数据处理、设备管理和安全监控等方面取得了显著提升。
-
公开(公告)号：CN117977661A
公开(公告)日：2024-05-03
申请号：CN202410361261.X
申请日：2024-03-28
摘要： 本发明公开了一种磁耦合型光储充放集成装置以及经济运行控制方法，在磁耦合型集成装置基础上，灵活接入了光储充多类型终端设备以及光储充协同控制装置，并引入了磁耦合型光储充放集成装置经济运行控制方法，具备终端设备状态信息采集及指令下发、能量流实时协同调度、光伏发电电量预测、电动汽车充放电电量预测和光储充放多能流经济运行控制规划等多项功能，可以实现光、储、充、放多种能量形式的协同、经济、智能调度。本发明充分利用光储充多类型终端资源柔性调节能力，全面提升了传统光储充站点设备运行可靠性差、资源利用效率、经济运营能力。
-
公开(公告)号：CN118740953A
公开(公告)日：2024-10-01
申请号：CN202411067589.7
申请日：2024-08-06
申请人： 国网湖北省电力有限公司电力科学研究院 , 湖北方源东力电力科学研究有限公司 , 湖北省图书馆
IPC分类号： H04L69/08 , H04L9/00 , H04L9/40 , H04L41/046 , H04L41/0823 , H04L41/08 , H04L41/149
摘要： 本发明提出一种用于智能网关协议的数据处理方法，包括：收集数据传输数据，构建自适应深度学习模型，动态优化协议转换策略；构建负载预测模型构建，优化协议转换策略并动态分配网络资源；构建边缘计算模型并对边缘计算模型训练，利用边缘计算模型的边缘计算能力进行本地处理数据与决策；构建协同控制模型和反馈机制，利用所述协同控制模型对智能网关设备进行实时协同控制；利用区块链技术对数据传输过程进行加密和验证；设计智能代理技术最优配置方案，同时实时监控智能网关设备的状态，预测并提前维护智能网关设备的潜在故障。本发明通过引入自适应深度学习、边缘计算、增强学习、区块链和智能代理技术，提高数据传输效率、系统性能和安全性。
-
公开(公告)号：CN115983095A
公开(公告)日：2023-04-18
申请号：CN202211526379.0
申请日：2022-12-01
IPC分类号： G06F30/27 , G06F18/23213 , G06N3/0442 , G06N3/084 , H02J3/00 , G06F113/04 , G06F111/08
摘要： 本发明提供一种基于聚类算法、神经网络和遗传算法的光伏发电预测方法，通过将光伏发电功率与天气等影响因素的映射关系建立辨识模型，对历史数据集进行K‑Means聚类分析，然后将聚类所得的数据输入至BP神经网络中进行训练，输出发电功率，再将所得发电功率数据集作为输入放入LSTM神经网络中训练，对于神经网络的超参数利用遗传算法(GA)来确定，最终预测输出明日光伏发电功率。本发明为当前光伏发电预测的可靠性及准确性提供了新思路。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.092 秒)
