摘要
面向梯次利用储能系统安全温度区间的概率预测方法、系统,基于图神经网络与全连接层建立温度预测模型,基于图神经网络与贝叶斯最后一层建立温度概率分布预测模型;建立温度预测误差模型;利用温度和温度关联监测量的历史值进行模型训练;利用预测窗口内的温度概率分布、预测窗口内的温度概率分布对应温度均值的预测误差的绝对值、缩放因子,建立温度区间的模型;当温度区间的置信度均值等于设定阈值时,确定缩放因子最优值;获取梯次利用储能系统在运行状态下的温度和温度关联监测量的监测值,利用温度概率分布预测模型、温度预测误差模型以及缩放因子最优值,得到梯次利用储能系统的安全温度区间,为监测储能系统运行状态提供依据。
技术关键词
预测误差
温度预测模型
概率预测方法
储能系统
滑动窗口
异常数据
因子
机器学习方法
序列
异常状态
标签
神经网络结构
模型训练模块
预测系统
处理器
参数
可读存储介质
系统为您推荐了相关专利信息
机床进给轴
编码器
全生命周期数据
滑动窗口
振动传感器
储能子系统
深度强化学习算法
氢储能系统
电池储能系统
参数
量子密钥分发系统
光子探测器
强化方法
ARIMA模型
保密通信