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！

龙图腾网获悉中国电力科学研究院有限公司;国网江苏省电力有限公司苏州供电分公司;国网江苏省电力有限公司;国家电网有限公司申请的专利充电站负荷可调潜力评估方法、系统、存储介质及服务器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：CN114202253B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210103054.5，技术领域涉及：G06Q10/0639；该发明授权充电站负荷可调潜力评估方法、系统、存储介质及服务器是由潘玲玲;赵家庆;耿建;田江;庄卫金;吕洋;王勇;李峰;吴海伟;丁宏恩;赵奇;刘建涛;张鸿;王礼文;毛文博;田伟设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。

本充电站负荷可调潜力评估方法、系统、存储介质及服务器在说明书摘要公布了：一种充电站负荷可调潜力评估方法、系统、存储介质及服务器，方法包括对实际充电数据进行筛选和预处理，构建数据库；使用LSTM神经网络对数据库进行分析，对电动汽车充电负荷进行预测，得到常规未加入用户选择的负荷预测曲线；通过预先建立的用户选择隶属度函数对数据库中每一辆电动汽车的充电行为进行预测，得到新的充电负荷数据库；对新的充电负荷数据库进行LSTM神经网络预测，得到考虑用户行为决策后的负荷预测曲线，将常规未加入用户选择的负荷预测曲线与考虑用户行为决策后的负荷预测曲线进行对比，获得负荷调控容量，再对用户行为决策的影响权重进行改变，得到最大负荷调控容量及最小负荷调控容量。本发明能提高潜力评估的准确性。

本发明授权充电站负荷可调潜力评估方法、系统、存储介质及服务器在权利要求书中公布了：1.一种充电站负荷可调潜力评估方法，其特征在于，包括： 使用LSTM神经网络对预先构建的数据库进行分析，对电动汽车充电负荷进行预测，得到常规未加入用户选择的负荷预测曲线；所述使用LSTM神经网络对所述数据库进行分析，对电动汽车充电负荷进行预测的步骤包括： 读取所述数据库，构建一维时间序列矩阵，一维时间序列矩阵中的横坐标为时间节点，纵坐标为该时间节点充电站的充电负荷； 对数据库中的数据按训练数据和测试数据进行分区； 按下式将训练数据标准化为具有零均值和单位方差的标准化数据： 式中，u为标准化数据的均值，N为训练数据的总数，DataTraini为每一个具体训练数据，S为标准化数据的方差； 定义LSTM网络架构，并创建LSTM神经网络模型；所述的LSTM神经网络模型为具有两层隐藏层的LSTM网络，每层具有若干个隐含单元，设置掉落率为一定值的丢弃层用于防止过拟合，利用ADAM算法进行设定轮数的训练，设置梯度阈值用于防止梯度爆炸，指定初始学习率，并在进行到设定轮数中的某一轮数训练后乘以因子来降低学习率； 使用训练完成的LSTM神经网络模型进行测试，使用测试数据对未来几天的负荷波动进行预测并交叉验证； 对预测数据去标准化，并计算误差，找出电动汽车负荷预测结果作为常规未加入用户选择的负荷预测曲线； 通过预先建立的用户选择隶属度函数对所述数据库中每一辆电动汽车的充电行为进行预测，得到新的充电负荷数据库；所述的用户选择隶属度函数的建立过程如下： 添加隶属度函数的输入信息，包括电价补偿、荷电状态、电量焦虑以及电价敏感程度，各输入信息对应的隶属度模型为分别为梯形分布、高斯分布、三角形分布以及高斯分布； 各输入信息的判别依据分别如下： 电价补偿： 荷电状态： 电量焦虑： 电价敏感程度： 添加隶属度函数的输出信息，输出信息分为接受调控和不接受调控； 按照隶属度函数规则获取隶属度模型输出； 通过对隶属度函数的输出进行可视化操作，根据隶属度模型输出调整所设定的隶属度函数规则，得到用户选择隶属度函数； 所述通过预先建立的用户选择隶属度函数对所述数据库中每一辆电动汽车的充电行为进行预测，以此得到新的充电负荷数据库的过程如下： 读取原充电开始时刻及充电结束时刻，找出充电时段小于阈值的充电场景不参与调控； 使用高斯分布函数按下式计算开始充电时刻的荷电状态： 按下式计算电量焦虑值，电量焦虑值为随着荷电状态变化的线性相关函数： fnervous＝10-soc 按下式计算电价敏感程度，电价敏感程度为[0-10]均匀分布，且同一辆车的电价敏感程度在不同日期内相同： 按下式计算电价补偿，电价补偿为[0-10]均匀分布，越高补偿越多： 将开始充电时刻的荷电状态、电量焦虑值、电价敏感程度以及电价补偿四个信息作为输入，通过预先建立的用户选择隶属度函数得到输出信息，若输出信息为接受调控，则该充电段调控至当天行程结束后至第二天出行前的停车时段，停车起始时刻及结束时刻根据概率分布函数生成，调控至停车时段内任意时段；依据以上规则，对已有充电负荷时间序列进行预测，得到新的充电负荷数据库； 对所述新的充电负荷数据库进行LSTM神经网络预测，得到考虑用户行为决策后的负荷预测曲线，将所述常规未加入用户选择的负荷预测曲线与所述考虑用户行为决策后的负荷预测曲线进行对比，获得常规负荷调控容量，再对用户行为决策的影响权重进行改变，分别得到最大负荷调控容量以及最小负荷调控容量。

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中国电力科学研究院有限公司;国网江苏省电力有限公司苏州供电分公司;国网江苏省电力有限公司;国家电网有限公司，其通讯地址为：100192 北京市海淀区清河小营东路15号；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”。