龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：吉林大学
摘要：本发明属于换电需求预测领域，涉及一种基于深度学习的换电站换电需求预测方法，以下步骤：步骤A：获取换电站的历史换电数据，获取天气数据、节假日数据；步骤B：对换电站的历史换电数据、天气数据、节假日数据进行预处理；步骤C：基于深度学习TCN‑BiGRU‑Attention的换电需求预测模型；步骤D：模型训练与验证；步骤E：模型有效性分析；步骤F：模型预测与应用；本发明的优点：具有高预测精度和强泛化能力，并能融合多种影响因素的换电需求预测模型，能够为电动汽车换电站的运营提供更准确和高效的决策支持。
主权项：1.一种基于深度学习的换电站换电需求预测方法，其特征在于，包括以下步骤：步骤A：获取换电站的历史换电数据，包括订单ID、换电事件完成时间、换电站名称和车辆ID；获取天气数据、节假日数据，其中，天气数据、节假日数据与换电站的历史换电数据时间匹配；步骤B：对换电站的历史换电数据、天气数据、节假日数据进行预处理；由于在数据采集、传输和存储过程中，会出现设备故障、信号丢失、干扰问题，导致最终存储的数据存在误差或错误；直接使用这些有误差或错误的数据进行建模，会导致模型的准确性和可靠性下降；因此，进行数据预处理，通过修正或滤除这些误差或错误的数据，提高数据质量、消除异常数据的影响、确保数据完整性、提高模型准确性；步骤C：基于深度学习TCN-BiGRU-Attention的换电需求预测模型，TCN-BiGRU-Attention模型包括输入层、时间卷积网络层、双向门控循环单元网络层、Self-Attention层、神经网络层和全连接层；步骤D：模型训练与验证，选择合适的损失函数和梯度优化算法用于提高模型的预测精度，损失函数用于衡量模型预测值与实际值之间差异，梯度优化算法通过迭代更新模型参数以最小化损失函数；步骤E：模型有效性分析，选取评价指标和对比试验，验证模型的预测效果；步骤F：模型预测与应用，根据训练好的模型对m个换电站的选定的不同时间间隔的换电需求预测结果；模型预测结果用于换电站的运营决策。
全文数据：
权利要求：
百度查询： 吉林大学 一种基于深度学习的换电站换电需求预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号