摘要
本发明公开了一种基于负载预测的充电站电气设备转换效率自适应计算方法及系统,方法包括:从充电站电气设备中实时采集负载波动情况数据、电流电压值以及功率因数信息,构建初始数据集,基于初始数据集得到负载变化的基础特征值;使用长短期记忆网络模型对预设时间内的负载波动趋势进行预测,结合历史数据和实时采集的电流电压值,确定负载预测结果的准确性范围;针对负载预测结果,构建功率因数偏差的计算模型,利用预测的负载波动趋势与实时监控数据,计算当前功率因数与理想值的偏差量,得到功率因数偏差的具体数值;若功率因数偏差的具体数值超出预设的阈值范围,则进行参数调整,生成针对性的无功功率补偿指令,确定调整后的无功功率增加量。
技术关键词
功率因数
电气设备
充电站
长短期记忆网络
LSTM神经网络模型
无功功率补偿
计算方法
生成样本数据
特征值
偏差
数值
深度学习模型
基础
电流
电压
数据获取模块
参数
传感器
系统为您推荐了相关专利信息
序列学习方法
医院
学习装置
长短期记忆网络
患者
充放电功率
柔性负荷模型
两阶段鲁棒优化
鲁棒优化算法
多时间尺度
混凝土桥梁结构
智能构建方法
历史温度数据
大跨径
神经网络模型训练
电池组健康状态
混合神经网络模型
功率分配方法
锂电池健康状态
电池组荷电状态