摘要
本发明提供了电动车辆户外风光协同原位充电方法、系统及其介质,获取环境数据,基于传感器阵列采集环境数据,根据包含扩展卡尔曼滤波器的状态估计算法对所述环境数据进行估算;构建深度学习模型对风速、太阳辐射进行多步预测,并预估未来发电能力;同时,基于支持向量回归算法对电动车辆充电负载进行短期预测;根据强化学习模型动态调整风光电源的输出功率,并实时调度储能系统;构建储能系统模型,基于储能系统模型在储能系统有输入时进行充放电操作,通过实时反馈调整控制方法,确保充电过程中始终处于最佳状态。反馈机制基于电池状态及系统负载情况动态更新调度方法,以最大化充电效率并保证系统的安全性。
技术关键词
储能系统模型
充电方法
强化学习模型
扩展卡尔曼滤波
支持向量回归算法
深度学习模型
传感器阵列
风光发电系统
原位
估计算法
车辆
风速
充放电功率
太阳辐射传感器
电池
数据
控制储能系统
系统为您推荐了相关专利信息
航线规划方法
船舶
深度强化学习模型
DQN算法
航线规划技术
剩余使用寿命预测
多层级特征
ORB算法
知识图谱构建
设备健康监测
模型预测控制方法
LuGre摩擦模型
电流补偿方法
航空
机械传动机构
系统控制方法
深度强化学习模型
光伏储能
充放电策略
离网