System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种区分场景和模型的充电量预测方法与终端技术_技高网

一种区分场景和模型的充电量预测方法与终端技术

技术编号:42219548 阅读:5 留言:0更新日期:2024-07-30 18:59
本发明专利技术涉及充电量预测技术领域,特别涉及一种区分场景和模型的充电量预测方法与终端,获取光储充检站的历史充电数据,并对历史充电数据进行统计;获取并根据统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量,划分光储充检站所属的充电场景;根据光储充检站所属的充电场景选择预先训练的相应的预测模型进行充电量预测;对光储充检站的历史充电数据进行统计,根据每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量进行场景划分,进而选择不同的预测模型进行充电量预测,使预测模型更贴合具体场景,提高光储充检站实现充电量预测的准确度。

【技术实现步骤摘要】

本专利技术涉及充电量预测,特别涉及一种区分场景和模型的充电量预测方法与终端


技术介绍

1、随着电动汽车的普及率越来越高,作为配套的充电场站也越来越多,其中一类充电场站称为光储充检站,具备光伏+储能+充电+检测的功能,场站在日常运行中,合理安排储能设施充电时间有利于降低运营成本,满足峰时充电需求,构建一个充电量预测方法对光储充检站能量调度具有重要意义。

2、对于光储充检站,由于建站区域定位不一样,有商业区、生活区、工业区等,不同区域的场站历史充电趋势不太一致,且波动性较大,难以通过统一的充电量预测方法对各个光储充检站实现充电量的准确预测,这是目前充电场站充电量预测亟需解决的一大问题。


技术实现思路

1、本专利技术所要解决的技术问题是:提供一种区分场景和模型的充电量预测方法与终端,提高光储充检站实现充电量预测的准确度。

2、为了解决上述技术问题,本专利技术采用的技术方案为:

3、一种区分场景和模型的充电量预测方法,包括步骤:

4、s1、获取光储充检站的历史充电数据,并对历史充电数据进行统计;

5、s2、获取并根据统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量,划分光储充检站所属的充电场景;

6、步骤s2包括步骤:

7、s21、获取统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量;

8、s22、根据所述重叠程度,划分为稳定或不稳定的充电场景;

9、s23、根据光储充检站的充电桩数量和充电桩功率,计算充电量阈值,根据每天的充电时长、每个充电时长的充电量以及所述充电量阈值,进一步划分为大充电量或小充电量的充电场景;

10、s3、根据光储充检站所属的稳定/不稳定、大充电量/小充电量的充电场景,选择预先训练的相应的预测模型进行充电量预测;

11、所述预测模型包括不稳定小充电量场景预测模型、稳定小充电量场景预测模型、不稳定大充电量场景预测模型以及稳定大充电量场景预测模型;

12、并通过所述预测模型基于所述历史充电数据进行充电量预测。

13、一种基于场景划分的充电量预测方法,包括步骤:

14、s1、获取光储充检站的历史充电数据,并对历史充电数据进行统计;

15、s2、获取并根据统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量,划分光储充检站所属的充电场景;

16、步骤s2包括步骤:

17、s21、获取统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量;

18、s22、根据所述重叠程度,划分为稳定或不稳定的充电场景;

19、s23、根据光储充检站的充电桩数量和充电桩功率,计算充电量阈值,根据每天的充电时长、每个充电时长的充电量以及所述充电量阈值,进一步划分为大充电量或小充电量的充电场景;

20、s3、根据光储充检站所属的充电场景选择预先训练的相应的预测模型进行充电量预测。

21、为了解决上述技术问题,本专利技术采用的另一种技术方案为:

22、一种区分场景和模型的充电量预测终端,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以上所述的一种区分场景和模型的充电量预测方法中的步骤。

23、一种基于场景划分的充电量预测终端,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

24、s1、获取光储充检站的历史充电数据,并对历史充电数据进行统计;

25、s2、获取并根据统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量,划分光储充检站所属的充电场景;

26、步骤s2包括步骤:

27、s21、获取统计得到的每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量;

28、s22、根据所述重叠程度,划分为稳定或不稳定的充电场景;

29、s23、根据光储充检站的充电桩数量和充电桩功率,计算充电量阈值,根据每天的充电时长、每个充电时长的充电量以及所述充电量阈值,进一步划分为大充电量或小充电量的充电场景;

30、s3、根据光储充检站所属的充电场景选择预先训练的相应的预测模型进行充电量预测。

31、本专利技术的有益效果在于:本专利技术的一种区分场景和模型的充电量预测方法与终端,对光储充检站的历史充电数据进行统计,根据每天的充电时间的重叠程度、每天的充电时长和每个小时的充电量进行场景划分,进而选择不同的预测模型进行充电量预测,使预测模型更贴合具体场景,提高光储充检站实现充电量预测的准确度。

本文档来自技高网
...

【技术保护点】

1.一种区分场景和模型的充电量预测方法,其特征在于,包括步骤:

2.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述重叠程度的计算具体为:

3.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,步骤S23具体为:

4.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述不稳定小充电量场景预测模型实现以下步骤:

5.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述稳定小充电量场景预测模型实现以下步骤:

6.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述稳定大充电量场景预测模型实现以下步骤:

7.根据权利要求6所述的一种区分场景和模型的充电量预测方法,其特征在于,所述不稳定大充电量场景预测模型实现以下步骤:

8.一种区分场景和模型的充电量预测终端,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以上权利要求1-7任一所述的一种区分场景和模型的充电量预测方法中的步骤。

...

【技术特征摘要】

1.一种区分场景和模型的充电量预测方法,其特征在于,包括步骤:

2.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述重叠程度的计算具体为:

3.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,步骤s23具体为:

4.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述不稳定小充电量场景预测模型实现以下步骤:

5.根据权利要求1所述的一种区分场景和模型的充电量预测方法,其特征在于,所述稳定小充电量场景预测模型...

【专利技术属性】
技术研发人员:杜旭鹏郑其荣李国伟
申请(专利权)人:福建时代星云科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1