-
公开(公告)号：CN111262262A
公开(公告)日：2020-06-09
申请号：CN202010156821.X
申请日：2020-03-09
Applicant: 华北电力大学
Abstract: 本发明提出一种基于机器学习的储能类设备功率优化管理系统的过滤器，其可以过滤不满足安全性的SOC指令，过滤部分具有波动性的SOC指令，过滤不满足用户满意度的SOC指令。本发明的过滤器应用在基于机器学习技术生成调度方案之后，在具体实现时只需在原有程序中增加逻辑判断与赋值语句，对内存占用少，对生成结果的时间影响很小，不会对功率优化管理系统的在线运行时间带来明显的延时；其不依赖于特定的机器学习模式与SLDs的类型，是针对多个SLDs所设计；其各个步骤之间相对独立，可以根据系统的使用需求进行相应的调整。
-
Patent Agency Ranking
公开(公告)号：CN111262262B
公开(公告)日：2022-11-29
申请号：CN202010156821.X
申请日：2020-03-09
Applicant: 华北电力大学
Abstract: 本发明提出一种基于机器学习的储能类设备功率优化管理系统的过滤器，其可以过滤不满足安全性的SOC指令，过滤部分具有波动性的SOC指令，过滤不满足用户满意度的SOC指令。本发明的过滤器应用在基于机器学习技术生成调度方案之后，在具体实现时只需在原有程序中增加逻辑判断与赋值语句，对内存占用少，对生成结果的时间影响很小，不会对功率优化管理系统的在线运行时间带来明显的延时；其不依赖于特定的机器学习模式与SLDs的类型，是针对多个SLDs所设计；其各个步骤之间相对独立，可以根据系统的使用需求进行相应的调整。
-
公开(公告)号：CN111313449A
公开(公告)日：2020-06-19
申请号：CN202010135383.9
申请日：2020-03-02
Applicant: 华北电力大学
IPC: H02J3/32 , B60L55/00 , G06F30/27 , G06F111/06 , G06F113/04
Abstract: 本发明公开了一种基于机器学习的集群电动汽车功率优化管理方法，先建立基于机器学习的集群电动汽车功率管理模型；再通过采集并处理历史数据，代入长短期记忆神经网络LSTM进行离线训练；之后，比较步骤B中所进行的离线训练的结果，在集群电动汽车管理系统中安装具有最佳训练效果的LSTM；最后，在线采集数据输入LSTM，在线生成调度结果，下达调度指令。本方法在离线阶段进行数学计算，在在线运行时只需要通过训练好的LSTM网络匹配输入和输出的关系，快速得到近似最优的调度信号，降低了对在线运行时CPU的要求，适合于大规电动汽车的在线调度计算。
-
公开(公告)号：CN111342471B
公开(公告)日：2023-12-29
申请号：CN202010135401.3
申请日：2020-03-02
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于机器学习的家庭产消者功率优化管理方法，首先，建立基于机器学习的家庭产消者功率管理系统模型；然后，采集历史数据，代入长短期记忆LSTM网络进行离线训练；最后，在线采集数据输入LSTM，在线生成调度结果，对储能下达调度指令。该方法在分时电价的激励下管理家庭的用电情况，包括光伏功率、用电负荷与储能的充放电，管理的目标为用电费用最低。本发明根据光伏发电功率、用电负荷大小的情况在线地控制储能的充放电以达到管理目标。
-
公开(公告)号：CN111313449B
公开(公告)日：2022-11-29
申请号：CN202010135383.9
申请日：2020-03-02
Applicant: 华北电力大学
IPC: H02J3/32 , B60L55/00 , G06F30/27 , G06F111/06 , G06F113/04
Abstract: 本发明公开了一种基于机器学习的集群电动汽车功率优化管理方法，先建立基于机器学习的集群电动汽车功率管理模型；再通过采集并处理历史数据，代入长短期记忆神经网络LSTM进行离线训练；之后，比较步骤B中所进行的离线训练的结果，在集群电动汽车管理系统中安装具有最佳训练效果的LSTM；最后，在线采集数据输入LSTM，在线生成调度结果，下达调度指令。本方法在离线阶段进行数学计算，在在线运行时只需要通过训练好的LSTM网络匹配输入和输出的关系，快速得到近似最优的调度信号，降低了对在线运行时CPU的要求，适合于大规电动汽车的在线调度计算。
-
公开(公告)号：CN111342471A
公开(公告)日：2020-06-26
申请号：CN202010135401.3
申请日：2020-03-02
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于机器学习的家庭产消者功率优化管理方法，首先，建立基于机器学习的家庭产消者功率管理系统模型；然后，采集历史数据，代入长短期记忆LSTM网络进行离线训练；最后，在线采集数据输入LSTM，在线生成调度结果，对储能下达调度指令。该方法在分时电价的激励下管理家庭的用电情况，包括光伏功率、用电负荷与储能的充放电，管理的目标为用电费用最低。本发明根据光伏发电功率、用电负荷大小的情况在线地控制储能的充放电以达到管理目标。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
