一种机理模型嵌入的深度学习光伏短期预测方法

    公开(公告)号:CN117277271A

    公开(公告)日:2023-12-22

    申请号:CN202311009525.7

    申请日:2023-08-09

    Abstract: 本发明涉及一种机理模型嵌入的深度学习光伏短期预测方法,包括:采用Softsign函数替换LSTM模型的tanh函数,采用CSS函数替换LSTM模型的sigmoid函数,得到改进的LSTM模型;将单二极管模型和改进的LSTM模型结合,得到Diode‑LSTM模型,使用历史数据训练Diode‑LSTM模型,得到训练好的Diode‑LSTM模型,使用训练好的Diode‑LSTM模型对未来一段时间内的光伏发电系统输出功率进行预测;将预测的输出功率与实际输出功率进行比较,评估预测的准确性,并根据需要进行调整和优化。本发明具有更好的梯度传递,Softsign函数的梯度在输入接近于0的时候更加平缓,因此可以更好地传递梯度,避免梯度消失或爆炸的问题,具有更快的收敛速度,具有更好的鲁棒性和更好的泛化能力,可以更好地适应不同的数据集和任务。

    基于Pareto档案粒子群算法的微电网多目标优化方法

    公开(公告)号:CN107609693A

    公开(公告)日:2018-01-19

    申请号:CN201710773989.3

    申请日:2017-08-31

    Abstract: 本发明针对微电网多目标优化问题转化为单目标优化问题,提供一种基于Pareto档案粒子群算法的微电网多目标优化方法。该方法,包括建立多个优化目标函数,确定微电网的约束条件,将多个优化目标函数表征的多目标优化问题转换为成单目标优化问题,采用基于Pareto档案粒子群算法对微电网多目标优化进行求解,输出一组非劣解集,根据预设的满意程度评价标准在非劣解集中确定最优解,并对微电网运行进行优化。本发明采用Pareto档案多目标粒子群优化算法对微电网内各个分布式电源的输出功率包括储能装置的充/放电进行优化求解,将外部档案维护和全局最好位置选取结合在一起,通过比较分析优化结果,验证了算法的有效性和可行性。

    电池组主动均衡方法、系统
    20.
    发明公开

    公开(公告)号:CN119813484A

    公开(公告)日:2025-04-11

    申请号:CN202510312377.9

    申请日:2025-03-17

    Abstract: 本发明公开一种电池组主动均衡方法、系统,包括多个串联的电池模组,每个电池模组内包括多个串联的电池单体;电池模组之间通过开关控制该电池模组的切入与切出;每个电池模组内的电池单体之间也通过开关控制该电池单体的切入与切出。本发明采用基于柔性重构的两层拓扑结构,将电池组划分成多个电池模组,且电池模组间与电池模组内的多个电池单体串联方式相同,均通过单刀双掷开关切入切出,为后期在不影响平衡功能的情况下隔离故障单体或模组;为提高均衡时效性和均衡一致性提供硬件基础。

Patent Agency Ranking