申请/专利权人：三峡电能有限公司;中国长江电力股份有限公司

申请日：2024-03-13

公开（公告）日：2024-04-12

公开（公告）号：CN117874474A

主分类号：G06F18/20

分类号：G06F18/20;G06F18/15;G06N3/0455;G06Q10/04;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于深度学习的充电场站空闲状态设备数量预测方法，通过引入先进的时间序列相关深度学习算法和数据分析技术，实现更准确的空闲状态预测，减少误差，提高预测的可靠性；为了使得模型的预测结果具有实时性和鲁棒性，开发出对应的算法服务用于实际充电场站的生产运营，提升充电用户的用户体验以及场站的运营效率。

主权项：1.一种基于深度学习的充电场站空闲状态设备数量预测方法，其特征在于，包括：S1，分析量化影响充电站充电负荷的主客观因素，采集对应的多类型数据，并量化影响因子；影响因子包括时间特征、气象特征、价格特征以及设备状态特征；S2，对步骤S1中的量化影响因子后的数据进行数据预处理：S201，异常值剔除：通过箱线图法对数据中的异常值进行检测，并进行剔除；S202，缺失值填充：对于存在缺失值的字段，采用线性插值的方法进行缺失值填充；S203，数据归一化，对数据进行min-max归一化： ；式中，xmax是样本数据中x的最大值，xmin是样本数据中x的最小值；S204，数据聚合：天气、充电场站设备状态、充电场站实时电价以及充电场站剩余充电时间的数据采集频率不一致，针对不同频率的数据，按照统一的频率进行数据聚合，达到数据对齐的目的；S205，特征离散化：通过等频分箱的方法，对训练数据中的连续型变量进行离散化处理，将所有变量映射变换到相似的尺度上；对于数据中的类别型特征，采用one-hot独热编码进行离散化编码处理；S3，建立基于Transformer的充电站预测模型；S4，通过充电站预测模型进行充电场站空闲状态设备数量预测，并输出基于时间和数量的点预测值。

全文数据：

权利要求：

百度查询： 三峡电能有限公司;中国长江电力股份有限公司 一种基于深度学习的充电场站空闲状态设备数量预测方法

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