申请/专利权人:沃太能源股份有限公司
申请日:2020-12-22
公开(公告)日:2024-03-08
公开(公告)号:CN112598173B
主分类号:G06Q10/04
分类号:G06Q10/04;G06F30/27;G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.03.08#授权;2021.06.08#著录事项变更;2021.04.23#实质审查的生效;2021.04.02#公开
摘要:本发明提供一种云平台下储能系统的时间序列数据的自组织学习建模方法,通过将各储能系统产生的运行数据存储于云平台中,作为训练数据;对训练数据进行预处理,剔除其中的异常数据,并对数据进行归一化之后,输出为时间序列数据;判断是否存在历史学习模型,若存在历史学习模型,则直接利用学习模型进行预测;若在不存在历史学习模型,则进入下一步骤;根据云平台下不同储能系统产生的时间序列数据的长度大小,进行对应自组织学习建模,得到模型用于储能系统的负荷预测、峰值预测;该方法能够解决云平台下储能设备的时间序列数据学习建模时造成大量资源占用且分配不合理的问题。
主权项:1.一种云平台下储能系统的时间序列数据的自组织学习建模方法,其特征在于:包括以下步骤,S1、将各储能系统产生的运行数据存储于云平台中,作为训练数据;S2、对训练数据进行预处理,剔除其中的异常数据,并对数据进行归一化之后,输出为时间序列数据;S3、判断是否存在历史学习模型,若存在历史学习模型,则直接利用学习模型进行预测;若在不存在历史学习模型,则进入下一步骤;S4、根据云平台下不同储能系统产生的时间序列数据的长度大小,进行对应自组织学习建模,得到模型用于储能系统的负荷预测、峰值预测;所述进行对应自组织学习建模,具体为:S41、判断时间序列数据的长度,若时间序列数据长度小于设定值,则对数据进行在线学习,将学习得到的模型直接用于储能系统的负荷预测、峰值预测;若时间序列数据长度不小于设定值,则进入下一步骤;S42、若时间序列数据长度不小于设定值,则将时间序列数据进行离线学习,并对所述云平台下储能系统进行再次查询,查询是否有历史学习模型,若没有历史学习模型并将学习得到的模型参数进行保存,将模型参数用于负荷预测、峰值预测;当同一储能系统进行二次以上的预测时,则将先前的模型参数直接用于预测,并定期对该储能系统的时间序列数据进行学习,得到相应的模型并更新保留,将学习得到的模型用于储能系统的负荷预测、峰值预测。
全文数据:
权利要求:
百度查询: 沃太能源股份有限公司 云平台下储能系统的时间序列数据的自组织学习建模方法
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。