CN114154781B 储电设备供电量预测方法、装置及计算机可读介质 （山东浪潮科学研究院有限公司）_第1页
CN114154781B 储电设备供电量预测方法、装置及计算机可读介质 （山东浪潮科学研究院有限公司）_第2页
CN114154781B 储电设备供电量预测方法、装置及计算机可读介质 （山东浪潮科学研究院有限公司）_第3页
CN114154781B 储电设备供电量预测方法、装置及计算机可读介质 （山东浪潮科学研究院有限公司）_第4页
CN114154781B 储电设备供电量预测方法、装置及计算机可读介质 （山东浪潮科学研究院有限公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

要解决的技术问题为如何预测用电量并对储电用电设备的用电量作为历史用户量数据并存储功率模型中配置有代价函数；优化上述代价函2构建用电预测模型，所述用电预测模型为以用电量数构建发电预测模型，所述发电预测模型为以天气通过训练后用电预测模型获取当前时刻的用电功耗，通过训练后发电出每天以小时为单位的用电量波动周期、用电量变化趋势以及用电量随机波动残差为输离散时序模型，所述离散时序模型共七个，一周的周一通过训练后的用电预测模型得到用电功耗预测的计,表示对连续时序模型的预测值求和；P.cc表示连续时序模型一天中t时刻的预测值；,3将y.(s,k+1)的梯度更新为，根据4t时刻的用电功耗预测，pg)表示t时刻的发电功率预测，表示t5[0023]通过迭代实验确定步长L和常数max，所述常数max为限制随机梯度下降次数的上[0026]n为当前样本数，为当前的样本值，f'(GS[0027]从g-s中减去f'(GS)并加入f'o_(s,k))，中的表示第k次梯度下进行梯度更新。6pp(t)为t时刻的电价；7M周中所有目标天以小时为单位的用电量数据为输入，预测并输出目标天的用电量波动周[0062]（3）从g-s中减去f'(GS)并加入，f'o_：；进行梯度更新。8[0067]模型优化方法为改进的梯度下降方法。能在IOT的边缘嵌入式设备上用微控制器训练一个电量管理模型进行储能设备的用电量估计和调控。[0068]传统随机梯度下降主要使用了基于batch的方法，但在相同数据集上重复计算梯表示函数在s时的全部梯度.计算公为其中[0077]本实施例的方法通过收集运行中的IoT设备的数据流支持在设备侧进行训练和部9序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而[0088]需要说明的是，上述各流程

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论