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！

龙图腾网恭喜广东顺德电力设计院有限公司申请的专利基于边缘计算的储能集群动态优化控制系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119209648B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411707256.6，技术领域涉及：H02J3/28；该发明授权基于边缘计算的储能集群动态优化控制系统是由李箭;尹萍;邓小南;郭晖;何永权;陈海文;陈志超;冯立名设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于边缘计算的储能集群动态优化控制系统在说明书摘要公布了：本发明公开了基于边缘计算的储能集群动态优化控制系统，涉及储能集群技术领域，包括采集储能集群历史数据和边缘节点的本地数据；使用ARIMA模型进行时间序列的预测，使用BP神经网络进行非线性误差的识别和修正，输出最终功率预测值。本发明所述方法通过ARIMA的短期趋势预测和BP神经网络的误差修正，能够更迅速地响应功率波动，优化功率分配，确保储能系统在电网中的稳定运行，通过在每个边缘节点上进行本地BP神经网络模型训练，能够充分利用分布式计算资源，通过双层优化模型的协同作用下，将输出最终的功率分配方案和传输路径优化结果，确保在负载需求和电力供给的波动下，能够高效运行，减少能耗并最大化可再生能源的利用。

本发明授权基于边缘计算的储能集群动态优化控制系统在权利要求书中公布了：1.基于边缘计算的储能集群动态优化控制系统，其特征在于：包括，数据采集模块，采集储能集群历史数据和边缘节点的本地数据；功率预测模块，使用ARIMA模型进行时间序列的预测，使用BP神经网络进行非线性误差的识别和修正，输出最终功率预测值，基于边缘节点部署模型并进行全局更新；双层优化模型模块，构建双层优化模型进行储能集群的动态分配与路径优化，基于下层优化模型计算传输路径和损耗，并反馈传输损耗，影响上层优化模型的功率分配，迭代计算功率分配结果；动态卸载策略模块，基于储能集群定义调度策略，基于边缘节点定义动态卸载策略；异常检测模块，基于LSTM神经网络构建异常检测模型，对储能集群运行异常进行识别，对边缘节点数据进行本地和云端存储备份；所述采集储能集群历史数据和边缘节点的本地数据，包括，基于储能集群的历史数据包括各节点的功率输出、负载、电压、电流的实时运行状态数据，还包括温度、湿度的环境变量数据，进行数据采集和归一化处理；根据储能集群的边缘节点对应的本地数据进行采集和存储；所述使用ARIMA模型进行时间序列的预测，使用BP神经网络进行非线性误差的识别和修正，输出最终功率预测值，包括，基于归一化处理的储能集群历史功率数据，使用ARIMA模型进行时间序列的预测作业，表示为： ；其中表示时间点t的功率预测值，表示时间t-i的历史功率数据，表示时间点t-j的误差，表示自回归项系数，表示移动平均项系数，和分别表示自回归和移动平均的阶数；使用最大似然估计法MLE对ARIMA模型进行参数估计，并通过历史数据训练模型，使用MLE优化并确定和；构建BP神经网络模型，包括输入层、隐藏层和输出层，其中输入层输入ARIMA模型的输出，隐藏层对ARIMA模型的输出的非线性误差进行识别和修正，输出层输出最终的功率预测值，表示为： ；其中表示真实功率值，表示预测功率值，N表示真实数据总数，E表示误差项；使用训练集训练模型，选择交叉熵损失函数计算BP神经网络模型的预测与实际标签之间的差异，使用Adam优化器进行梯度下降优化，更新BP神经网络模型的权重，在连续迭代过程中模型的损失不再明显下降则停止迭代输出模型参数更新模型；在完成功率预测后，结合ARIMA模型的线性预测与BP神经网络的非线性误差修正的和作为最终功率预测值，并作为下一步优化调度的依据；所述基于边缘节点部署模型并进行全局更新，包括，针对各个边缘节点分别训练本地BP神经网络模型，使用的训练数据为本地的功率历史数据；本地训练完成后，将更新后的模型参数发送至中心服务器；中心服务器将所有节点的模型参数进行加权平均，更新全局模型；将更新后的全局模型发送回各边缘节点，用于下一轮训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东顺德电力设计院有限公司，其通讯地址为：528000 广东省佛山市顺德区大良街道办事处云路社区居民委员会东乐路123号桂畔上东别墅综合楼1楼、2楼、3楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。