-
公开(公告)号:CN118842085A
公开(公告)日:2024-10-25
申请号:CN202410823636.X
申请日:2024-06-25
IPC: H02J3/46 , H02J3/38 , H02J3/28 , H02J3/32 , H02J15/00 , H02J3/24 , G06Q10/04 , G06Q10/0631 , G06Q10/083 , G06Q50/06 , C25B1/04 , C25B9/00 , C25B9/19 , C25B9/65 , B63B35/00 , B63B25/12
Abstract: 本发明公开了一种计及能源与交通融合的海岛微电网多时间尺度优化运行方法,包括:建立海岛微电网模型;基于海岛微电网模型,将海岛能源与交通融合建立海岛能源与交通融合模型;基于海岛能源与交通融合模型,建立海岛微电网与船舶功率预分配模型,实现功率预分配;建立海岛微电网与船舶功率修正模型,对步骤S3获取的功率预分配方案进行修正,获得海岛微电网优化运行方案。本发明在构建海岛微电网的基础上,通过充分挖掘储能与交通相结合的经济优化潜力、快速平抑系统功率波动能力,设计海岛能源与交通融合模型,分阶段优化船舶岸桥分配与海岛多能源功率分配,从而有效提升海岛综合效益。
-
公开(公告)号:CN118169572A
公开(公告)日:2024-06-11
申请号:CN202410277564.3
申请日:2024-03-12
Applicant: 江苏科技大学 , 上海交通大学 , 中国船舶集团有限公司第七〇四研究所 , 招商局重工(江苏)有限公司
IPC: G01R31/367 , G01R31/382 , G06N3/0455 , G06N3/044 , G06F18/15 , G06F18/213 , G06F18/2433 , G06F123/02
Abstract: 本发明公开了一种基于Extro‑Transformer深度学习神经网络的纯电船舶动力电池SOC估计方法,包括如下步骤:从传感器中生成电池数据集,根据电池数据集获得电荷数据;使用动态异常值剔除法对电荷数据进行处理,剔除掉数据中的异常值;将处理后的电荷数据分割为训练集与测试集;将训练集与测试集输入到构建好的Extro‑Transformer深度学习模型中进行训练和测试,得到训练好的Extro‑Transformer深度学习模型;通过训练好的Extro‑Transformer深度学习模型来预测新序列的SOC,输出得到SOC估计结果。本发明利用Transformer深度学习神经网络模型的强大表达能力和自适应性,结合外部的解码器和编码器,捕捉提取更复杂、更高级的特征,提高评估模型的性能,不仅具有较高的准确性和鲁棒性,还具有广泛的应用前景。
-