Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京瑞麟能源技术有限公司;南京邮电大学陈春获国家专利权

南京瑞麟能源技术有限公司;南京邮电大学陈春获国家专利权

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!

龙图腾网获悉南京瑞麟能源技术有限公司;南京邮电大学申请的专利基于LSTM模型的电动汽车聚合负荷容量预测方法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:CN119965838B

龙图腾网通过国家知识产权局官网在2025-09-05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:202510039769.2,技术领域涉及:H02J3/00;该发明授权基于LSTM模型的电动汽车聚合负荷容量预测方法是由陈春;祝进;李硕;徐鹤;季一木;刘尚东;孙辰冲;郑海清;卢家尧;陈思黔;柳中杰设计研发完成,并于2025-01-10向国家知识产权局提交的专利申请。

基于LSTM模型的电动汽车聚合负荷容量预测方法在说明书摘要公布了:一种基于LSTM模型的电动汽车聚合负荷容量预测方法,该方法包括:获取充电站第一时间段内的充电负荷数据,并对第一时间段进行时间划分,按照划分的子时间段对充电负荷数据进行采样,得到具有周期性的负荷数据样本。构建数据集,并对负荷数据样本进行预处理。通过时间序列分解法将负荷数据样本划分为线性部分和非线性趋势部分,并基于线性部分对ARIMA模型进行建模。按照预设比例将数据集中的非线性部分随机划分为训练集和验证集,并基于训练集和验证集对LSTM模型进行训练和测试。将ARIMA预测模型和LSTM预测模型对电动汽车的充电负荷数据的输出结果进行加权组合,得到电动汽车聚合负荷容量预测结果。

本发明授权基于LSTM模型的电动汽车聚合负荷容量预测方法在权利要求书中公布了:1.一种基于LSTM模型的电动汽车聚合负荷容量预测方法,其特征在于,所述方法包括: 获取充电站第一时间段内的充电负荷数据,并对所述第一时间段进行时间划分,按照划分的子时间段对所述充电负荷数据进行采样,得到具有周期性的负荷数据样本; 基于所述负荷数据样本构建数据集,并对所述负荷数据样本进行预处理,所述数据集包括所述负荷数据样本及其对应的时间数据、温度数据以及充电站的地理位置数据; 通过时间序列分解法将所述负荷数据样本划分为线性趋势的第一负荷数据和非线性趋势的第二负荷数据,并基于所述第一负荷数据对ARIMA模型进行建模,得到ARIMA预测模型; 按照预设比例将所述数据集中的第二负荷数据随机划分为训练集和验证集,并基于所述训练集和验证集对LSTM模型进行训练和测试,得到LSTM预测模型; 将所述ARIMA预测模型和LSTM预测模型对电动汽车的充电负荷数据的输出结果进行加权组合,得到电动汽车聚合负荷容量预测结果; 所述基于所述负荷数据样本构建数据集,并对所述负荷数据样本进行预处理,包括: 对所述负荷数据样本和温度数据进行归一化处理,所述负荷数据样本和温度数据的归一化处理表达式为: ; 式中,为输入的充电负荷序列或温度序列的最大值,为输入的充电负荷序列或温度序列的最小值,为实时充电负荷数据或实时温度数据,为归一化处理的结果; 将所述时间数据中非数值的日类型区分为工作日和双休日,并将所述工作日和双休日标记为不同数值,以及将所述地理位置数据中非数值的充电站地理位置区分为商业区、生活区和工业区,并将所述商业区、生活区和工业区标记为不同数值,以将非数值的所述时间数据和地理位置数据数值化。

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南京瑞麟能源技术有限公司;南京邮电大学,其通讯地址为:211100 江苏省南京市江宁区胜利路99号名家科技大厦A座20楼2010室(江宁开发区);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”。

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。