摘要
本发明涉及深度学习技术领域,尤其涉及一种基于负荷预测的机场充电桩负荷管理方法、系统及介质。获取机场电网中的当前负荷数据集;将当前负荷数据输入至改进粒子群算法‑长短期记忆神经网络模型中,预测未来预设时段内的预测负荷数据,其中,改进粒子群算法中包含自适应柯西变异机制;根据预测负荷数据,确定机场的多个充电桩负荷管理策略;基于改进浣熊优化算法,确定多个充电桩负荷管理策略中的最优充电桩负荷管理策略,其中,改进浣熊优化算法包含首次改进搜索策略;基于最优充电桩负荷管理策略,对机场中的各个充电桩进行负荷调控。旨在解决如何提前预测机场中不同用电系统的负荷变化,并针对变电站中的电动车充电桩系统的负荷状态进行优化调节的问题。
技术关键词
管理策略
负荷管理方法
粒子群算法
邻居
负荷管理系统
数据
充电桩系统
预测机场
深度学习技术
可读存储介质
记忆
处理器
机制
存储器
变电站
计算机
系统为您推荐了相关专利信息
检测管控系统
深度网络模型
量子粒子群算法
网络采集系统
滑动窗口算法
粒子群算法
寻优方法
发动机转速
转速调节方法
液压泵
能量管理策略
燃料电池
船舶混合动力系统
神经模糊推理系统
超级电容
燃料电池系统
电化学阻抗谱
燃料电池控制单元
燃料电池电堆
电子负载