摘要
本发明提供一种基于AI预测的双向逆变协同变流方法及系统,涉及双向逆变协同变流技术领域。方法包括实时采集多维度运行数据,提取数据特征;预测未来预设时间段内的负载需求变化趋势;运用图神经网络构建多维度数据的动态关联网络;建立多目标协同优化模型,求解得到变流策略解集,筛选最优变流策略;将最优变流策略转化为PWM控制信号,调节双向逆变电路的开关状态,实现协同变流控制。本发明通过AI预测与多目标协同优化,提升电动两轮车电池充电变流效率,缩短充电时长、降能耗;提前感知多场景负载变化,快速调整策略防充电中断,适配性强;降低充电谐波,减电网与设备干扰,护电池免过充过热,延长寿命。
技术关键词
变流方法
双向逆变系统
负荷预测模型
核主成分分析
策略
PWM控制
逆变电路
卷积网络模型
粒子群优化算法
交流侧电流
谐波畸变率
矩阵
数据
层次分析法
神经网络模型
节点特征
离散状态空间
加权融合算法
开关管
系统为您推荐了相关专利信息
时空双尺度
优化调度方法
优化调度模型
排队等待时间
历史负荷数据
综合能源系统
LSTM模型
时序特征
规划
天然气
动态调度模型
深度强化学习
智能调度方法
储能系统模型
氢储能设备
智能跟随机器人
超声波探头
障碍物
通信基站
惯性传感器
智能监控系统
剩余寿命预测模型
三维重构方法
分布式光纤光栅
视觉