買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜廣東順德電力設計院有限公司申請的專利基于邊緣計算的儲能集群動態優化控制系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119209648B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411707256.6，技術領域涉及：H02J3/28；該發明授權基于邊緣計算的儲能集群動態優化控制系統是由李箭;尹萍;鄧小南;郭暉;何永權;陳海文;陳志超;馮立名設計研發完成，并于2024-11-27向國家知識產權局提交的專利申請。

本基于邊緣計算的儲能集群動態優化控制系統在說明書摘要公布了：本發明公開了基于邊緣計算的儲能集群動態優化控制系統，涉及儲能集群技術領域，包括采集儲能集群歷史數據和邊緣節點的本地數據；使用ARIMA模型進行時間序列的預測，使用BP神經網絡進行非線性誤差的識別和修正，輸出最終功率預測值。本發明所述方法通過ARIMA的短期趨勢預測和BP神經網絡的誤差修正，能夠更迅速地響應功率波動，優化功率分配，確保儲能系統在電網中的穩定運行，通過在每個邊緣節點上進行本地BP神經網絡模型訓練，能夠充分利用分布式計算資源，通過雙層優化模型的協同作用下，將輸出最終的功率分配方案和傳輸路徑優化結果，確保在負載需求和電力供給的波動下，能夠高效運行，減少能耗并最大化可再生能源的利用。

本發明授權基于邊緣計算的儲能集群動態優化控制系統在權利要求書中公布了：1.基于邊緣計算的儲能集群動態優化控制系統，其特征在于：包括，數據采集模塊，采集儲能集群歷史數據和邊緣節點的本地數據；功率預測模塊，使用ARIMA模型進行時間序列的預測，使用BP神經網絡進行非線性誤差的識別和修正，輸出最終功率預測值，基于邊緣節點部署模型并進行全局更新；雙層優化模型模塊，構建雙層優化模型進行儲能集群的動態分配與路徑優化，基于下層優化模型計算傳輸路徑和損耗，并反饋傳輸損耗，影響上層優化模型的功率分配，迭代計算功率分配結果；動態卸載策略模塊，基于儲能集群定義調度策略，基于邊緣節點定義動態卸載策略；異常檢測模塊，基于LSTM神經網絡構建異常檢測模型，對儲能集群運行異常進行識別，對邊緣節點數據進行本地和云端存儲備份；所述采集儲能集群歷史數據和邊緣節點的本地數據，包括，基于儲能集群的歷史數據包括各節點的功率輸出、負載、電壓、電流的實時運行狀態數據，還包括溫度、濕度的環境變量數據，進行數據采集和歸一化處理；根據儲能集群的邊緣節點對應的本地數據進行采集和存儲；所述使用ARIMA模型進行時間序列的預測，使用BP神經網絡進行非線性誤差的識別和修正，輸出最終功率預測值，包括，基于歸一化處理的儲能集群歷史功率數據，使用ARIMA模型進行時間序列的預測作業，表示為： ；其中表示時間點t的功率預測值，表示時間t-i的歷史功率數據，表示時間點t-j的誤差，表示自回歸項系數，表示移動平均項系數，和分別表示自回歸和移動平均的階數；使用最大似然估計法MLE對ARIMA模型進行參數估計，并通過歷史數據訓練模型，使用MLE優化并確定和；構建BP神經網絡模型，包括輸入層、隱藏層和輸出層，其中輸入層輸入ARIMA模型的輸出，隱藏層對ARIMA模型的輸出的非線性誤差進行識別和修正，輸出層輸出最終的功率預測值，表示為： ；其中表示真實功率值，表示預測功率值，N表示真實數據總數，E表示誤差項；使用訓練集訓練模型，選擇交叉熵損失函數計算BP神經網絡模型的預測與實際標簽之間的差異，使用Adam優化器進行梯度下降優化，更新BP神經網絡模型的權重，在連續迭代過程中模型的損失不再明顯下降則停止迭代輸出模型參數更新模型；在完成功率預測后，結合ARIMA模型的線性預測與BP神經網絡的非線性誤差修正的和作為最終功率預測值，并作為下一步優化調度的依據；所述基于邊緣節點部署模型并進行全局更新，包括，針對各個邊緣節點分別訓練本地BP神經網絡模型，使用的訓練數據為本地的功率歷史數據；本地訓練完成后，將更新后的模型參數發送至中心服務器；中心服務器將所有節點的模型參數進行加權平均，更新全局模型；將更新后的全局模型發送回各邊緣節點，用于下一輪訓練。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東順德電力設計院有限公司，其通訊地址為：528000 廣東省佛山市順德區大良街道辦事處云路社區居民委員會東樂路123號桂畔上東別墅綜合樓1樓、2樓、3樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。