摘要
本申请提供的电动汽车集群参数预测方法、装置及计算机设备,包括:根据商业充电桩数据,对双向长短期记忆网络预训练,双向长短期记忆网络用于结合历史充电轨迹和未来充电趋势,预测电动汽车的充电行为参数;基于授权家庭充电桩数据,采用迁移学习算法对预训练后的双向长短期记忆网络微调,得到充电行为预测模型;将每台电动汽车的历史充电数据输入至充电行为预测模型,得到每台电动汽车的预测充电数据;根据各个预测充电数据,构建每台电动汽车的单体可行域,根据各个单体可行域,通过奇诺多面体建模和闵可夫斯基求和,得到电动汽车集群的集群可行域。如此缓解个体数据有限且时间跨度较长的问题,进而提高电动汽车集群参数预测的准确性与实用性。
技术关键词
参数预测方法
集群
迁移学习算法
多面体模型
长短期记忆网络
计算机可读指令
单体
数据
依赖特征
生成向量
计算机设备
家庭
商业
处理器
表达式
预测装置
轨迹
系统为您推荐了相关专利信息
容器资源分配方法
GPU虚拟化技术
粒子群优化算法
存储计算机程序
存储器
分布式训练
接入层交换机
集群通信
核心层交换机
分析组件
微电网
Stackelberg博弈模型
集群
新能源发电单元
电力系统调度技术
电池寿命预测方法
储能电池
车辆行驶数据
迁移学习算法
老化特征