摘要
本申请提供一种用于构网型储能的自动编址方法,涉及信息技术领域,包括:建立多时空尺度的储能系统多粒度模型,所述多粒度模型包括粗粒度模型和细粒度模型;针对所述自适应选择的多粒度模型输出结果,采用多目标优化算法将不同粒度模型的输出进行融合,生成一致性的预测结果和控制策略;在多目标优化过程中,引入权重系数对不同的优化目标进行加权处理,所述权重系数根据系统的运行状态和性能需求进行自适应调整;对所述融合后的模型采用数据驱动的建模方法,通过历史运行数据和实时监测数据,自适应地学习和更新系统模型;针对实时控制需求,对修正后的模型采用在线学习和增量学习方法,根据新的运行数据和反馈信息,实时更新和优化系统模型。
技术关键词
细粒度模型
自动编址方法
递归最小二乘法
实时监测数据
历史运行数据
增量学习方法
多时空尺度
建模方法
实时控制系统
更新系统
控制策略
自动编址系统
储能系统优化
模糊推理规则
支持向量机算法
层次聚类算法
模糊控制算法
系统为您推荐了相关专利信息
智能优化方法
演化算法
多智能体协同
生态环境承载力
风险评估值
故障预测模型
故障预测方法
变电设备
历史运行数据
故障类别
皮尔逊相关系数
变量
XGBoost模型
时间序列预测模型
污水
趋势预测模型
柴油机设备
状态评估方法
历史运行数据
模型预测值
储能单元
实时监测数据
储能电池系统
切换控制方法
决策树模型