[發(fā)明專利]一種光儲分布式能源管理系統(tǒng)的SOC預測方法及裝置在審
| 申請?zhí)枺?/td> | 202310406305.1 | 申請日： | 2023-04-14 |
| 公開（公告）號： | CN116435997A | 公開（公告）日： | 2023-07-14 |
| 發(fā)明（設(shè)計）人： | 楊之樂;郭媛君;趙正源;陳云喬;吳承科;馮偉;王堯;鄧蘊曄;劉瀟 | 申請（專利權(quán)）人： | 廣東碳中和研究院（韶關(guān)） |
| 主分類號： | H02J3/00 | 分類號： | H02J3/00;H02J3/38;H02J3/32;G06Q10/04;G06Q50/06;G06N3/0442;G06N3/049;G06N3/084;G06F18/10;G06F18/25 |
| 代理公司： | 深圳市科進知識產(chǎn)權(quán)代理事務所(普通合伙) 44316 | 代理人： | 張桂平 |
| 地址： | 512000 廣東省*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 分布式 能源 管理 系統(tǒng) soc 預測 方法 裝置 | ||
1.一種光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，包括以下步驟：
S101:采集光儲分布式能源管理系統(tǒng)不同時段的特征數(shù)據(jù)，根據(jù)特征數(shù)據(jù)進行電量需求預測，獲得第一初步預測需求電量；
S102:使用Informer深度學習預測模型根據(jù)特征數(shù)據(jù)預測需求電量，獲得第二初步預測需求電量；
S103:使用深度學習GRU神經(jīng)網(wǎng)絡(luò)對特征數(shù)據(jù)進行特征提取，預測需求電量與真實電量之間的損失值，并結(jié)合第一初步預測需求電量及第二初步預測需求電量，預測出光儲分布式能源管理系統(tǒng)的最終需求電量。
2.根據(jù)權(quán)利要求1所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，步驟S101包括：
采集光儲分布式能源管理系統(tǒng)不同時段的特征數(shù)據(jù)，繪制電量變化曲線，建立能源管理系統(tǒng)電量變化模型，收集能源管理系統(tǒng)電量變化數(shù)據(jù)，然后根據(jù)電量變化數(shù)據(jù)進行電量需求預測，獲得第一初步預測需求電量。
3.根據(jù)權(quán)利要求2所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，特征數(shù)據(jù)包括：不同時段的充放電頻次、開路電壓、溫度狀態(tài)。
4.根據(jù)權(quán)利要求1所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，在步驟S01與步驟S102之間，所述方法還包括：
利用卡爾曼濾波對采集到的特征數(shù)據(jù)進行去噪。
5.根據(jù)權(quán)利要求1所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，步驟S102包括：
結(jié)合Informer深度學習預測模型，利用能源管理系統(tǒng)早期數(shù)據(jù)進行訓練，基于數(shù)據(jù)驅(qū)動的Informer深度學習預測模型準確的根據(jù)能源管理系統(tǒng)的不同數(shù)段充放電次數(shù)、電量變化數(shù)據(jù)，將電量需求預測出來，獲得第二初步預測需求電量。
6.根據(jù)權(quán)利要求1所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，步驟S103包括：
使用深度學習GRU神經(jīng)網(wǎng)絡(luò)將融合后的數(shù)據(jù)進行特征提取，利用GRU的更新門和重置門，對融合的數(shù)據(jù)進行更新、遺忘和學習，對GRU每次訓練后輸出的特征進行預測，預測需求電量與真實電量的損失值，利用最小梯度下降法更新GRU神經(jīng)網(wǎng)絡(luò)參數(shù)，并結(jié)合第一初步預測需求電量及第二初步預測需求電量，最終得到能源管理系統(tǒng)需求電量預測。
7.根據(jù)權(quán)利要求6所述的光儲分布式能源管理系統(tǒng)的SOC預測方法，其特征在于，深度學習GRU神經(jīng)網(wǎng)絡(luò)包括門控循環(huán)單元。
8.一種光儲分布式能源管理系統(tǒng)的SOC預測裝置，其特征在于，包括：
第一初步需求電量預測單元，用于采集光儲分布式能源管理系統(tǒng)不同時段的特征數(shù)據(jù)，根據(jù)特征數(shù)據(jù)進行電量需求預測，獲得第一初步預測需求電量；
第二初步需求電量預測單元，用于使用Informer深度學習預測模型根據(jù)特征數(shù)據(jù)預測需求電量，獲得第二初步預測需求電量；
最終需求電量預測單元，用于使用深度學習GRU神經(jīng)網(wǎng)絡(luò)對特征數(shù)據(jù)進行特征提取，預測需求電量與真實電量之間的損失值，并結(jié)合第一初步預測需求電量及第二初步預測需求電量，預測出光儲分布式能源管理系統(tǒng)的最終需求電量。
9.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有能夠?qū)崿F(xiàn)權(quán)利要求1至7中任意一項所述光儲分布式能源管理系統(tǒng)的SOC預測方法的程序文件。
10.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執(zhí)行權(quán)利要求1至7中任意一項所述的光儲分布式能源管理系統(tǒng)的SOC預測方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于廣東碳中和研究院（韶關(guān)），未經(jīng)廣東碳中和研究院（韶關(guān)）許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310406305.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
H02J 供電或配電的電路裝置或系統(tǒng)；電能存儲系統(tǒng)
H02J3-00 交流干線或交流配電網(wǎng)絡(luò)的電路裝置
H02J3-01 .減少諧波或波紋的裝置
H02J3-02 .應用單個網(wǎng)絡(luò)以不同頻率同時配電的；應用單個網(wǎng)絡(luò)對交流和直流同時配電的
H02J3-04 .用于連接以相同頻率但由不同電源供電的網(wǎng)絡(luò)
H02J3-10 .恒流供電系統(tǒng)
H02J3-12 .用于通過改變網(wǎng)絡(luò)負載的一個特性來調(diào)整交流網(wǎng)絡(luò)中的電壓的
