基本信息:
- 专利标题： 一种基于宽度学习系统的电动车充电负荷时序建模方法、系统及介质
- 申请号：CN202310099216.7 申请日：2023-02-01
- 公开(公告)号：CN116187181A 公开(公告)日：2023-05-30
- 发明人： 余炼崧 , 葛晓虎 , 胡华锋 , 罗维 , 宋天斌 , 刘晓波 , 王庆 , 陈胡光 , 朱小虎 , 朱传捷 , 沈杨
- 申请人： 国网电力科学研究院武汉南瑞有限责任公司
- 申请人地址： 湖北省武汉市洪山区珞瑜路143号
- 专利权人： 国网电力科学研究院武汉南瑞有限责任公司
- 当前专利权人： 国网电力科学研究院武汉南瑞有限责任公司
- 当前专利权人地址： 湖北省武汉市洪山区珞瑜路143号
- 代理机构： 武汉楚天专利事务所
- 代理人： 胡盛登
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F30/15 ; G06F17/18 ; G06F18/214 ; G06F119/12
摘要：
本申请涉及一种基于宽度学习系统的电动车充电负荷时序建模方法、系统及介质，方法包括以下具体步骤：(1)电动车充电负荷影响因素的确定；(2)电动车充电负荷相关数据归一化处理；(3)基于宽度学习系统的电动车充电负荷时序预测模型建立；(4)电动车充电负荷的时序预测。本申请采用数据归一化处理，能够避免影响电动车充电负荷的原始数据之间的不同量纲的影响；根据电动车充电负荷的性能分析，确定影响电动车充电负荷的因素，采用宽度学习系统来建立电动车充电负荷时序预测模型，能够实现电动车充电负荷的准确时序预测，为进一步提升电动车充电效率提供支撑，进而为实现智能电网绿色节能发展奠定基础。
公开/授权文献:
- CN116187181B 一种基于宽度学习系统的电动车充电负荷时序建模方法、系统及介质 公开/授权日：2024-03-22
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |