买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网甘肃省电力公司电力科学研究院

摘要：本发明提供了基于神经网络的重力储能效率优化方法及系统，属于重力储能技术领域，方法包括：获取重力储能系统的重物重量、重物升降高度、重物密度、重物上升速度、重物下降速度、环境温度和储能效率，分别构建并进行模型训练得到第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型，选取储能效率最优对应的模型的准确率、精度和召回率，并以此来优化模型，得到最优的第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型，并将模型应用于重力储能系统中，并将三个模型的输出数据的均值作为最终的模型输出数据。本发明通过神经网络模型来优化储能效率。

主权项：1.基于神经网络的重力储能效率优化方法，其特征在于，包括：S1.获取重力储能系统的重物重量、重物升降高度、重物密度、重物上升速度、重物下降速度、环境温度和储能效率，并整理为第一训练集和第一测试集，且将所述储能效率单独作为验证集；S2.对所述第一训练集和第一测试集进行预处理；S3.基于预处理后的所述第一训练集，分别构建并进行模型训练得到第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型；S4.基于预处理后的所述第一测试集，分别得到第一卷积神经网络模型的隐藏层的数量和每层的神经元数量、第一循环神经网络模型的隐藏层的数量和每层的神经元数量、第一Transformer模型的隐藏层的数量和每层的神经元数量，以及第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型的准确率、精确率和卷积召回率；S5.基于同属于一个模型的数据进行曲面拟合操作，具体如下：将隐藏层的数量作为行向量，将每层的神经元数量作为列向量，构成第一矩阵，再导入所述储能效率，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第一参考域；将所述精确率作为行向量，将所述准确率作为列向量，构成第二矩阵，再导入所述储能效率，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二参考域；将所述召回率作为行向量，将所述准确率作为列向量，构成第三矩阵，再导入所述储能效率，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第三参考域；S6.基于第一参考域、第二参考域和第三参考域，使用所述第一测试集，选取储能效率最优对应的模型的隐藏层的数量和每层的神经元数量，以及选取储能效率最优对应的模型的准确率、精确率和卷积召回率，以确定最优的隐藏层的数量、每层的神经元数量、准确率、精确率和召回率；S7.基于最优的隐藏层的数量、每层的神经元数量、准确率、精确率和召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取储能效率最优对应的模型参数，得到最优的第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型；S8.基于最优的第一卷积神经网络模型、第一循环神经网络模型和第一Transformer模型，进行重力储能效率优化。

全文数据：

权利要求：

百度查询： 国网甘肃省电力公司电力科学研究院 基于神经网络的重力储能效率优化方法及系统