-
公开(公告)号：CN112700117B
公开(公告)日：2024-04-02
申请号：CN202011594127.2
申请日：2020-12-29
Applicant: 吉林大学
IPC: G06Q10/0639 , G06Q50/06 , G06F18/2321 , H02J3/00
Abstract: 本发明属于电动汽车配套设施技术领域，具体为一种基于数据的电动汽车充电基础设施使用情况估算方法，包括步骤一：利用行程起始终止SOC，实现“回家充电”特征的提取，步骤二：利用分段SOC的算法，实现恒流充电功率的准确估计，步骤三：判断电动汽车是否经常在同一位置进行充电，其结构合理，通过对数据进行行程特征提取、充电特征提取、充电设施识别配备等处理，获取电动汽车使用的充电基础设施是私人充电桩还是公共充电桩。本发明提出的方法对数据质量要求低，可以方便的应用于不同场景、不同数据采集系统下，为相应充电基础设施的规划提供有力的支撑。
-
公开(公告)号：CN111564842A
公开(公告)日：2020-08-21
申请号：CN202010492277.6
申请日：2020-06-03
Applicant: 吉林大学
Abstract: 本发明的一种非侵入式用电负荷监测中长期能耗的统计估算方法，将高斯混合模型与贝叶斯分类器用于非侵入式用电负荷监测的设备识别，对用电器中长期用电量的统计上，确可通过单次事件置信度的累加获取更为准确的能耗估算，从而解决用电器特征重叠、测量及用电器使用中的噪声等问题，解决了用电器特征随机分布及特征重叠的问题，可在概率中长期累加的情况下给出更合理的用电分布，显著提高非侵入式负荷监测算法中长期估算结果的准确性。在用电器种类有限的情况下，准确率在80％以上。采用边缘计算，减小云端数据处理压力。基于概率负荷监测结果估算中长期能耗，有利于用户侧用能结构优化。
-
公开(公告)号：CN112560186B
公开(公告)日：2022-08-05
申请号：CN202011542380.3
申请日：2020-12-22
Applicant: 吉林大学
IPC: G06F30/15 , G01M17/007 , G01R31/367 , G01R31/392 , G06F119/06
Abstract: 本发明适用电动汽车技术领域，提供电动汽车行程能耗预测方法、装置、设备及可存储介质，包括获取电动汽车的行驶行程测试数据以及历史行驶行程数据；根据行驶行程测试数据及预设的整车能耗模型，确定多个工况特征对应的多个能耗敏感性参数；根据历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；根据未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定电动汽车的未来行程能耗预测结果。本发明可以在极小且简单的计算量下准确地估计行程能耗，易于实施，克服了目前机器学习方法计算量大，不可解释且收敛性难以评估等问题，在实际应用于电动汽车行程能耗估计中具有重要的实际意义。
-
公开(公告)号：CN113313406A
公开(公告)日：2021-08-27
申请号：CN202110665939.X
申请日：2021-06-16
Applicant: 吉林大学
IPC: G06Q10/06
Abstract: 本发明属于电动汽车电池风险评估技术领域，具体为一种电动汽车运行大数据的动力电池安全风险评估方法，包括步骤一：输入电池安全相关特征量，步骤二：获取最外围样本边界，获取无故障样本的外围边界，步骤三：在外围样本边界随机生成故障样本，步骤四：获取正常样本与模拟故障样本的边界，步骤五：缩放正负样本边界，依据样本概率确定风险系数，其结构合理，结构明了，准确度高，避开训练样本中故障样本稀缺的问题，发挥了大数据在故障诊断风险评估上的优势。
-
公开(公告)号：CN112560186A
公开(公告)日：2021-03-26
申请号：CN202011542380.3
申请日：2020-12-22
Applicant: 吉林大学
IPC: G06F30/15 , G01M17/007 , G01R31/367 , G01R31/392 , G06F119/06
Abstract: 本发明适用电动汽车技术领域，提供电动汽车行程能耗预测方法、装置、设备及可存储介质，包括获取电动汽车的行驶行程测试数据以及历史行驶行程数据；根据行驶行程测试数据及预设的整车能耗模型，确定多个工况特征对应的多个能耗敏感性参数；根据历史行驶行程数据，基于递推最小二乘法对所述易变参数进行自适应学习，确定自适应学习参数；根据未来行程的多个工况特征、出厂标定参数以及自适应学习参数，确定电动汽车的未来行程能耗预测结果。本发明可以在极小且简单的计算量下准确地估计行程能耗，易于实施，克服了目前机器学习方法计算量大，不可解释且收敛性难以评估等问题，在实际应用于电动汽车行程能耗估计中具有重要的实际意义。
-
Patent Agency Ranking
公开(公告)号：CN110687379A
公开(公告)日：2020-01-14
申请号：CN201910990474.8
申请日：2019-10-17
Applicant: 吉林大学
Abstract: 本发明的一种拓扑可配置的非侵入式楼宇用电设备监测分析系统包括用户用电数据采集模块，用电数据处理模块和用电数据云服务器。通过用电云服务器远程配置，实现用电端设备采样频率由低频到高频的转换，从而提高采样的用电特征数据的数据处理量，进而达到更加精确合理地辨识用户负载的目的。本发明在解决随用户需求增加而产生的计算设备成本增加问题时，采用多台用电数据处理模块模式并联组成的数据处理模块组元模式，并通过应用非侵入式用电负荷识别算法进行运算。本发明系统计算能力的升级可以在完全利用原有系统的硬件的情况下，进行升级改造，不需要二次施工进行系统升级，改造成本低。能充分满足智能电网发展高性能非侵入式用电负荷监测需求。
-
-
公开(公告)号：CN111564842B
公开(公告)日：2021-06-04
申请号：CN202010492277.6
申请日：2020-06-03
Applicant: 吉林大学
Abstract: 本发明的一种非侵入式用电负荷监测中长期能耗的统计估算方法，将高斯混合模型用于非侵入式用电负荷监测的设备识别，对用电器中长期用电量的统计上，确可通过单次事件置信度的累加获取更为准确的能耗估算，从而解决用电器特征重叠、测量及用电器使用中的噪声等问题，可在概率中长期累加的情况下给出更合理的用电分布，显著提高非侵入式负荷监测算法中长期能耗估算结果的准确性。在用电器种类有限的情况下，准确率在80％以上。在硬件方面采用边缘计算，减小云端数据处理压力。非侵入式负荷监测以及基于概率的中长期能耗估算，有利于用户侧用能结构的优化。
-
公开(公告)号：CN110687379B
公开(公告)日：2021-06-04
申请号：CN201910990474.8
申请日：2019-10-17
Applicant: 吉林大学
Abstract: 本发明的一种拓扑可配置的非侵入式楼宇用电设备监测分析系统包括用户用电数据采集模块，用电数据处理模块和用电数据云服务器。通过用电云服务器远程配置，实现用电端设备采样频率由低频到高频的转换，从而提高采样的用电特征数据的数据处理量，进而达到更加精确合理地辨识用户负载的目的。本发明在解决随用户需求增加而产生的计算设备成本增加问题时，采用多台用电数据处理模块模式并联组成的数据处理模块组元模式，并通过应用非侵入式用电负荷识别算法进行运算。本发明系统计算能力的升级可以在完全利用原有系统的硬件的情况下，进行升级改造，不需要二次施工进行系统升级，改造成本低。能充分满足智能电网发展高性能非侵入式用电负荷监测需求。
-
公开(公告)号：CN112700117A
公开(公告)日：2021-04-23
申请号：CN202011594127.2
申请日：2020-12-29
Applicant: 吉林大学
Abstract: 本发明属于电动汽车配套设施技术领域，具体为一种基于数据的电动汽车充电基础设施使用情况估算方法，包括步骤一：利用行程起始终止SOC，实现“回家充电”特征的提取，步骤二：利用分段SOC的算法，实现恒流充电功率的准确估计，步骤三：判断电动汽车是否经常在同一位置进行充电，其结构合理，通过对数据进行行程特征提取、充电特征提取、充电设施识别配备等处理，获取电动汽车使用的充电基础设施是私人充电桩还是公共充电桩。本发明提出的方法对数据质量要求低，可以方便的应用于不同场景、不同数据采集系统下，为相应充电基础设施的规划提供有力的支撑。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
