[發明專利]基于遷移學習的分布式源-儲-荷匹配方法及裝置

有效

• 申請號: 202110184771.0
• 申請日: 2021-02-10
• 公開（公告）號: CN112821456B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 田海亭;仲福森;田立國;蒲一帆;朱磊
• 申請（專利權）人: 中青云智科技（浙江）有限公司
• 主分類號: H02J3/38
• 分類號: H02J3/38;H02J3/28;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華專卓海知識產權代理事務所(普通合伙) 11664
• 代理人: 王一

1.一種基于遷移學習的源-儲-荷匹配神經網絡模型訓練方法，其特征在于，包括：

根據第一樓宇的歷史輸入參數及輸出參數生成第一訓練樣本，利用所述第一訓練樣本訓練深度神經網絡，生成第一神經網絡模型；

根據第二樓宇的輸入參數與實際輸出參數生成第二訓練樣本，利用所述第二訓練樣本對所述第一神經網絡模型進行遷移學習，生成第二神經網絡模型；

所述利用所述第二訓練樣本對所述第一神經網絡模型進行遷移學習，包括：

根據新部署的樓宇的輸入參數，對所述樓宇的輸入參數進行聚類，將其區分為不同的樓宇類型，根據不同的樓宇類型，對部署在其上的第一神經網絡模型分別進行遷移學習。

2.根據權利要求1所述的方法，其特征在于，

所述輸入參數包括：樓宇通用參數、樓宇內能源設備特征、樓宇內主要負荷的電氣測量值、環境參數測量值、人員相關情況；

所述輸出參數包括：樓宇內分布式電源的出力功率、儲能的充放電功率，以及外購電功率。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

根據第二樓宇的輸入參數與實際輸出參數更新第一訓練樣本，利用所述更新后的第一訓練樣本更新所述第一神經網絡模型。

4.一種基于遷移學習的分布式源-儲-荷匹配方法，其特征在于，

獲取待部署神經網絡模型的第二樓宇的輸入參數；

根據第二樓宇的輸入參數與實際輸出參數生成第二訓練樣本，利用所述第二訓練樣本對第一神經網絡模型進行遷移學習，生成第二神經網絡模型；

將第二樓宇的輸入參數輸入所述第二神經網絡模型，得到輸出的輸出參數；根據所述輸出參數對所述第二樓宇進行控制；

所述利用所述第二訓練樣本對第一神經網絡模型進行遷移學習，包括：

若待部署神經網絡模型的第二樓宇的類型已存在于第一樓宇區分的類型中，則直接進行部署，將新產生的數據加入第一訓練樣本中對對應樓宇類型的第一神經網絡模型進行更新；

若待部署神經網絡模型的第二樓宇的類型不存在于第一樓宇區分的類型中，則對部署在其上的第一神經網絡模型進行遷移學習。

5.根據權利要求4所述的方法，其特征在于，根據所述輸出參數對所述第二樓宇進行控制包括：

根據所述輸出參數生成針對所述第二樓宇的輸出指令集，對所述第二樓宇中的能源設備進行控制，調度現場能源系統實現源-儲-荷的匹配運行。

6.一種基于遷移學習的分布式源-儲-荷匹配裝置，其特征在于，包括：

輸入參數獲取模塊，用于獲取待部署神經網絡模型的第二樓宇的輸入參數；

遷移學習模塊，用于根據第二樓宇的輸入參數與實際輸出參數生成第二訓練樣本，利用所述第二訓練樣本對第一神經網絡模型進行遷移學習，生成第二神經網絡模型；所述利用所述第二訓練樣本對第一神經網絡模型進行遷移學習，包括：

若待部署神經網絡模型的第二樓宇的類型已存在于第一樓宇區分的類型中，則直接進行部署，將新產生的數據加入第一訓練樣本中對對應樓宇類型的第一神經網絡模型進行更新；輸出模塊，用于將第二樓宇的輸入參數輸入所述第二神經網絡模型，得到輸出的輸出參數；根據所述輸出參數對所述第二樓宇進行控制。

7.一種電子設備，包括存儲器和處理器，所述存儲器上存儲有計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1~5中任一項所述的方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1~5中任一項所述的方法。