買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜國(guó)網(wǎng)湖南省電力有限公司;國(guó)網(wǎng)湖南省電力有限公司電力科學(xué)研究院;國(guó)家電網(wǎng)有限公司申請(qǐng)的專(zhuān)利一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114648171B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210368812.6，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)是由張志丹;李帥虎;宋興榮;曹一家;朱吉然;唐海國(guó);冷華;李勇設(shè)計(jì)研發(fā)完成，并于2022-04-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及電動(dòng)汽車(chē)技術(shù)領(lǐng)域，公開(kāi)了一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)，包括：將預(yù)先構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型輸入待分析充電樁，并根據(jù)待分析充電樁的目標(biāo)充電信息對(duì)第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)整得到第二神經(jīng)網(wǎng)絡(luò)模型；其中，第一神經(jīng)網(wǎng)絡(luò)模型是通過(guò)第一數(shù)量的充電信息構(gòu)建的，且目標(biāo)充電信息的數(shù)量與第一數(shù)量的差值大于預(yù)設(shè)差值；采集待分析充電樁中的實(shí)時(shí)充電信息，并將實(shí)時(shí)充電信息輸入所述第二神經(jīng)網(wǎng)絡(luò)模型中，并獲取第二神經(jīng)網(wǎng)絡(luò)模型輸出的待分析充電樁的負(fù)荷狀態(tài)信息；本發(fā)明通過(guò)神經(jīng)網(wǎng)絡(luò)模型遷移的方式解決了充電樁所獲取的數(shù)據(jù)較少很難對(duì)負(fù)荷進(jìn)行預(yù)測(cè)的問(wèn)題。

本發(fā)明授權(quán)一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種電動(dòng)汽車(chē)充電樁負(fù)荷預(yù)測(cè)方法，其特征在于，包括：將預(yù)先構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型輸入待分析充電樁，并根據(jù)待分析充電樁的目標(biāo)充電信息對(duì)所述第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)整得到第二神經(jīng)網(wǎng)絡(luò)模型；其中，所述第一神經(jīng)網(wǎng)絡(luò)模型是通過(guò)第一數(shù)量的充電信息構(gòu)建的，所述待分析充電樁的目標(biāo)充電信息的數(shù)量小于所述第一數(shù)量，且目標(biāo)充電信息的數(shù)量與第一數(shù)量的差值大于預(yù)設(shè)差值；采集待分析充電樁中的實(shí)時(shí)充電信息，并將所述實(shí)時(shí)充電信息輸入所述第二神經(jīng)網(wǎng)絡(luò)模型中，并獲取所述第二神經(jīng)網(wǎng)絡(luò)模型輸出的所述待分析充電樁的負(fù)荷狀態(tài)信息；所述將預(yù)先構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型輸入待分析充電樁之前，所述方法還包括：采集原始充電樁中第一數(shù)量的充電信息，并對(duì)所述第一數(shù)量的充電信息進(jìn)行處理得到原始訓(xùn)練信息；將所述原始訓(xùn)練信息輸入預(yù)先構(gòu)建的原始神經(jīng)網(wǎng)絡(luò)模型中對(duì)所述原始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到第一神經(jīng)網(wǎng)絡(luò)模型；其中，所述訓(xùn)練所述原始神經(jīng)網(wǎng)絡(luò)模型滿足如下關(guān)系式： 式中，ft為遺忘門(mén)向量，it為輸入門(mén)向量，為候選狀態(tài)向量，Ct為當(dāng)前時(shí)刻的細(xì)胞狀態(tài)值，Ct-1為上一時(shí)刻的細(xì)胞狀態(tài)值，ot為輸出門(mén)向量，ht為當(dāng)前時(shí)刻的輸出值或是預(yù)測(cè)值，ht-1為上一時(shí)刻的輸出值或是預(yù)測(cè)值，σ為sigmoid激活函數(shù)，tanh為雙曲正切激活函數(shù)，Wf為遺忘門(mén)的權(quán)重矩陣，Wi為輸入門(mén)的權(quán)重矩陣，WC為候選狀態(tài)的權(quán)重矩陣，Wo為輸出門(mén)的權(quán)重矩陣，xt為當(dāng)前時(shí)刻的輸入，bf為遺忘門(mén)的偏置量，bi為輸入門(mén)的偏置量，bC為候選狀態(tài)的偏置量，bo為輸出門(mén)的偏置量，·為向量中元素按位相乘，⊙為哈達(dá)瑪積符號(hào)；所述方法還包括：分別獲取所述第一神經(jīng)網(wǎng)絡(luò)模型輸出的實(shí)際值和預(yù)測(cè)值和訓(xùn)練所述第一數(shù)量的充電信息的案例數(shù)；以所述案例數(shù)為上界對(duì)所述實(shí)際值和所述預(yù)測(cè)值之間差值的平方進(jìn)行求和，并計(jì)算該求和所得的值與案例數(shù)的比值，再對(duì)該比值開(kāi)根號(hào)便可得到均方根誤差指標(biāo)；將所述均方根誤差指標(biāo)輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中對(duì)所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證；其中，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型包括第一神經(jīng)網(wǎng)絡(luò)模型和第二神經(jīng)網(wǎng)絡(luò)；所述目標(biāo)充電信息包括目標(biāo)充電負(fù)荷數(shù)據(jù)和目標(biāo)出行信息；所述根據(jù)待分析充電樁的目標(biāo)充電信息對(duì)所述第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)整得到第二神經(jīng)網(wǎng)絡(luò)模型，包括：移除所述第一神經(jīng)網(wǎng)絡(luò)模型中的輸出層，并凍結(jié)所述第一神經(jīng)網(wǎng)絡(luò)模型中的訓(xùn)練參數(shù)，得到中繼神經(jīng)網(wǎng)絡(luò)模型；向所述中繼神經(jīng)網(wǎng)絡(luò)模型添加新的輸出層，并將所述目標(biāo)充電信息輸入所述中繼神經(jīng)網(wǎng)絡(luò)模型中對(duì)所述中繼神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到第二神經(jīng)網(wǎng)絡(luò)模型。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人國(guó)網(wǎng)湖南省電力有限公司;國(guó)網(wǎng)湖南省電力有限公司電力科學(xué)研究院;國(guó)家電網(wǎng)有限公司，其通訊地址為：410000 湖南省長(zhǎng)沙市雨花區(qū)韶山北路388號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。