申请/专利权人：中科军源(南京)智能技术有限公司

申请日：2024-01-22

公开（公告）日：2024-07-05

公开（公告）号：CN117913867B

主分类号：H02J3/28

分类号：H02J3/28;G06F18/243;G06F18/2413;G06N3/084;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于边缘计算监控的构网储能控制方法，属于储能控制领域，该控制方法具体步骤如下：1部署传感器网络实时采集环境和能源使用数据；2设置边缘计算节点并分别对采集数据进行预处理；3分析历史采集数据并预测未来的能量需求和系统状态；4对控制决策进行模拟评估并选择最优控制路径；5根据分析预测以及最优控制路径生成优化的控制策略；本发明能够有效地捕捉时序数据中的长期依赖关系，提高系统的适应性和预测准确性，能够更智能、高效地进行能量储存和释放，能够提高系统对变化的适应性，有助于避免陷入局部最优，提高储能系统的整体性能，能够考虑多组不确定性，提高对复杂电力环境的鲁棒性。

主权项：1.一种基于边缘计算监控的构网储能控制方法，其特征在于，该控制方法具体步骤如下：步骤1部署传感器网络实时采集环境和能源使用数据；步骤2设置边缘计算节点并分别对采集数据进行预处理；步骤3分析历史采集数据并预测未来的能量需求和系统状态；所述采集数据分析预测具体步骤如下：步骤1：通过特征工程从历史采集数据中提取特征信息，再按照80％的数据用于训练以及20％用于验证，将收集的数据划分为训练集和测试集，确定分析预测模型的结构，之后随机初始化模型的权重和偏置参数，之后确定训练过程的迭代轮数以及每次迭代使用的样本数；步骤2：将训练集输入模型，并通过前向传播计算模型的预测结果，再通过均方根误差函数计算模型的预测结果与实际观测值之间的损失，对模型参数进行反向传播计算损失对每组参数的梯度；步骤3：Adam优化器根据梯度下降算法更新模型参数，重复执行前向传播、损失计算、反向传播和参数更新，每个训练轮次结束后，使用验证集评估模型的性能，计算验证集上的损失，并评估模型的预测准确性；步骤4：实时监测验证集性能，若性能不再提升，则停止训练，根据验证集的性能结果调整模型学习率、层数以及节点数，重复对模型进行训练以及验证，直到模型收敛或达到预定的训练轮数；步骤5：将最新采集数据作为输入数据导入加载的分析预测模型中，通过前向传播计算模型的预测结果，之后根据输入数据的时序信息生成对未来能量需求和系统状态的预测，并对预测结果进行解释以供工作人员理解模型对未来能量需求和系统状态的估计；步骤4对控制决策进行模拟评估并选择最优控制路径；步骤5根据分析预测以及最优控制路径生成优化的控制策略；步骤6通过实时监控系统对储能系统的运行状态进行持续监测；步骤7缓存和管理各组数据并优化数据的读取和存储；步骤8预测构网储能系统的故障并对部件进行预测性维护。

全文数据：

权利要求：

百度查询： 中科军源(南京)智能技术有限公司 一种基于边缘计算监控的构网储能控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD