一种基于深度学习的Bi-LSTM的电负荷预测方法

    公开(公告)号:CN110222901A

    公开(公告)日:2019-09-10

    申请号:CN201910508711.2

    申请日:2019-06-13

    Abstract: 本发明公开了电负荷预测技术领域的一种基于深度学习的Bi-LSTM的电负荷预测方法,旨在解决现有技术中电负荷预测效率低,且存在过拟合现象的技术问题,对电负荷数据样本进行归一化预处理;设计多层Bi-LSTM深度神经网络;将预处理后的电负荷数据输入神经网络模型进行训练;将预测结果反归一化处理。多层Bi-LSTM有效地增加模型的深度,提高电负荷参数的调节自由度,对先输入的数据进行部分特征的提取,提高了神经网路模型的效率。为防止网络模型层数过多导致训练模型过拟合,模型中加入dropout,减少了过拟合现象。

    一种电动汽车有序充电控制方法

    公开(公告)号:CN108944531A

    公开(公告)日:2018-12-07

    申请号:CN201810818651.X

    申请日:2018-07-24

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开一种电动汽车有序充电控制方法,其主要内容包括,首先根据电动汽车的使用情况,得到电动汽车日行驶里程、最后一次出行结束时刻以及充电时长的概率分布;再通过蒙特卡洛法仿真模拟一天24小时不同时段的电动汽车充电负荷分布情况;然后将电动汽车的负荷随机接入IEEE33节点配电系统中,通过前推回代的潮流计算法,计算出配电系统各个节点的电压幅值和网络损耗;根据所述电动汽车24小时的充电功率需求模型和无序充电对配电网的负面影响,构建基于电价引导方案的电动汽车有序充电优化调度模型,该优化调度模型以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度,缓解了电动汽车的接入对电网造成的影响。

Patent Agency Ranking