负载预测方法、装置、芯片、电子设备及存储介质

    公开(公告)号:CN113837227B

    公开(公告)日:2024-02-02

    申请号:CN202110989727.7

    申请日:2021-08-26

    IPC分类号: H02J3/00 G06F18/25 G06Q50/06

    摘要: 本发明实施例提供一种负载预测方法、装置、芯片、电子设备及存储介质,属于电力技术领域,解决了现有技术中负载预测仅针对单一维度的数据进行分析,准确率不高的问题。所述方法包括:获取用户电表在设定时间段内的多个参量数据;利用单参量网络模型,得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果;利用所述多个参量数据以及多参量融合网络模型,得到所述多个参量数据对应的负载状态的第二预测结果;根据预设融合规则,将所述第一预测结果与所述第二预测结果进行融合,得到所述用户电表管理的每个负载的状态预测结果。本发明实施例适用于分析用户用电情况。

    电化学储能电池荷电状态估算方法、装置及系统

    公开(公告)号:CN111190111B

    公开(公告)日:2023-03-14

    申请号:CN202010036970.2

    申请日:2020-01-14

    IPC分类号: G01R31/367 G01R31/387

    摘要: 本发明实施例提供一种电化学储能电池荷电状态估算方法、装置及系统,属于深度学习技术领域。所述方法包括:电池端获取储能电池系统的实时运行参数以及设定时间内的SOC标定数据;分别根据预设的神经网络模型以及常规SOC估算方法,利用实时运行参数,得到本地SOC估算值;将SOC标定数据、实时运行参数以及本地SOC估算值上传云端服务器,以便云端服务器根据上述数据和初始神经网络模型,得到电池端神经网络模型;电池端分别根据电池端神经网络模型以及常规SOC估算方法,利用当前的实时运行参数,得到当前SOC估算值,并将上述两种数据上传云端服务器,以便利用更新后的电池端神经网络模型得到SOC估算值。本发明实施例适用于储能电池系统的SOC估算。

    自供能系统和智能监测设备
    34.
    发明公开

    公开(公告)号:CN113726022A

    公开(公告)日:2021-11-30

    申请号:CN202110818350.9

    申请日:2021-07-20

    IPC分类号: H02J50/00 H02J7/00

    摘要: 本发明公开了一种自供能系统和智能监测设备,所述自供能系统包括:能量采集单元、能量转换单元、储能单元和控制单元,其中,能量采集单元用于采集环境中的磁场能量,并输出相应的交流电压;能量转换单元分别与能量采集单元和储能单元相连,用于将交流电压转换为充电电压,以对储能单元进行充电;储能单元与负载相连,用于对负载供电;控制单元分别与能量转换单元和储能单元相连,用于根据充电电压和交流电压对储能单元和能量转换单元进行控制。本发明的自供能系统,能够采集环境中的磁场能量,并对磁场能量进行转换,以为储能单元充电,由储能单元为负载提供能量,使用寿命长、成本低、体积小,便于设备安装维护。

    一种基于介质访问控制层的双模通信组网方法及系统

    公开(公告)号:CN108737378B

    公开(公告)日:2021-03-23

    申请号:CN201810344117.X

    申请日:2018-04-17

    IPC分类号: H04L29/06 H04L29/08

    摘要: 本发明提供了一种基于介质访问控制层的双模通信组网方法及系统,该方法包括:获取待发送业务数据,将待发送业务数据进行组帧生成数据帧;按待发送业务数据的业务类型,将数据帧存入与业务类型相对应的各发送数据链表中;获取用户设置的数据发送任务,根据任务中业务优先级从各发送数据链表中获取当前待发送数据帧;根据业务类型确定当前待发送数据帧的通信组网模式;根据与通信组网模式对应的可承载帧长度将当前待发送数据帧分包成各数据包,生成分包信息;将各数据包及分包信息发送出去。在介质访问控制层实现双模通信组网,屏蔽物理层差异,实现了网络接入的最优选择,切换速度快,误切率低,提高了整个通信系统的容量,增强了数据传输效率。

    电化学储能电池荷电状态估算方法、装置及系统

    公开(公告)号:CN111190111A

    公开(公告)日:2020-05-22

    申请号:CN202010036970.2

    申请日:2020-01-14

    IPC分类号: G01R31/367 G01R31/387

    摘要: 本发明实施例提供一种电化学储能电池荷电状态估算方法、装置及系统,属于深度学习技术领域。所述方法包括:电池端获取储能电池系统的实时运行参数以及设定时间内的SOC标定数据;分别根据预设的神经网络模型以及常规SOC估算方法,利用实时运行参数,得到本地SOC估算值;将SOC标定数据、实时运行参数以及本地SOC估算值上传云端服务器,以便云端服务器根据上述数据和初始神经网络模型,得到电池端神经网络模型;电池端分别根据电池端神经网络模型以及常规SOC估算方法,利用当前的实时运行参数,得到当前SOC估算值,并将上述两种数据上传云端服务器,以便利用更新后的电池端神经网络模型得到SOC估算值。本发明实施例适用于储能电池系统的SOC估算。