基于随机环境下的储能充电装置输出控制方法、装置制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于随机环境下的储能充电装置输出控制方法，包括：获取实验环境参数以及实验输出功率，利用实验环境参数以及实验输出功率空白函数模型进行训练，得到环境功率函数；获取储能充电装置所处环境的环境数值，利用环境功率函数计算环境数值对应的目标输出功率；获取额定功率，计算所述额定功率与所述目标输出功率之间的功率差值；根据决策树确定所述功率差值对应的储能充电装置输出控制方案，并根据所述输出控制方案以及功率差值确定控制方案中需要调整的参数的具体数值。本发明专利技术还提出一种基于随机环境下的储能充电装置输出控制装置。本发明专利技术保证储能充电装置的稳定输出。证储能充电装置的稳定输出。证储能充电装置的稳定输出。

【技术实现步骤摘要】
基于随机环境下的储能充电装置输出控制方法、装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于随机环境下的储能充电装置输出控制方法、装置。

技术介绍

[0002]随着电力时代的到来以及环保理念的普及，人们对用电设备的研究逐渐深入。为了解决随机环境下充电设备的输出不稳定的问题，减少充电的等待时间，需要一种随机变化的智能调节输出的方法，提升充电设备输出的稳定性。
[0003]现有的充电装置在使用时容易受到外界环境的影响从而造成输出不稳定的情况，例如在高温或低温状态下，充电设备通常都会由于电阻增大等原因造成输出不稳定。

技术实现思路

[0004]本专利技术提供一种基于随机环境下的储能充电装置输出控制方法、装置，其主要目的在于解决短路阻抗测试仪测量时精确度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于随机环境下的储能充电装置输出控制方法，包括：
[0006]获取预设的实验环境参数以及所述实验环境参数下储能充电装置的实验输出功率，将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数；
[0007]通过预设的传感器获取所述储能充电装置所处环境的环境数值，利用所述环境功率函数计算所述环境数值对应的目标输出功率；
[0008]获取预设的额定功率，计算所述额定功率与所述目标输出功率之间的功率差值；
[0009]根据预设的空白决策树确定所述功率差值对应的储能充电装置输出控制方案，并根据所述输出控制方案以及功率差值确定控制方案中需要调整的参数的具体数值，利用所述具体数值以及控制方案对所述储能充电装置进行调控。
[0010]可选地，所述将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数，包括：
[0011]利用预设的空白函数模型计算所述实验环境参数对应的预测输出功率；
[0012]计算所述预测输出功率与所述实验输出功率的损失值；
[0013]根据所述损失值对所述空白函数模型进行参数调整，得到环境功率函数。
[0014]可选地，所述计算所述预测输出功率与所述实验输出功率的损失值，包括：
[0015]利用如下损失公式计算所述预测输出功率与所述实验输出功率的损失值：
[0016][0017]其中，L(θ)表示损失值，k表示训练数据实验环境参数的数量，y
i
表示第i个预测输
出功率，y
i
′
表示第i个实验输出功率。
[0018]可选地，所述根据所述损失值对所述空白函数模型进行参数调整，得到环境功率函数，包括：
[0019]利用如下目标函数公式将所述空白函数模型转化成目标函数；
[0020][0021]其中，所述O(g)为目标函数，k表示训练数据实验环境参数的数量，i表示训练数据实验环境参数的计数量词，L(g)为损失公式推导来的损失函数；
[0022]计算所述目标函数所处的梯度；
[0023]根据所述梯度开始对所述目标函数进行梯度下降推导，将完成梯度下降推导的目标函数确定为环境功率函数。
[0024]可选地，所述计算所述目标函数所处的梯度，包括：
[0025]利用如下梯度公式计算所述目标函数所处的梯度：
[0026][0027]其中，所述为所述梯度，k表示训练数据实验环境参数的数量，i表示训练数据实验环境参数的计数量词，为损失公式推导来的损失函数的损失梯度。
[0028]可选地，所述根据预设的空白决策树确定所述功率差值对应的储能充电装置输出控制方案，包括：
[0029]对预设的空白决策树添加事件处理，得到事件决策树；
[0030]利用预设的决策树训练集对所述事件决策树进行训练，得到决策树预测模型；
[0031]利用所述决策树预测模型确定所述功率差值对应的储能充电装置输出控制方案。
[0032]可选地，所述利用所述决策树预测模型确定所述功率差值对应的储能充电装置输出控制方案，包括：
[0033]判断所述功率差值是否符合所述决策树预测模型中的事件；
[0034]若所述功率差值是符合所述决策树预测模型中的事件，决策树预测模型中的事件向下延伸，若所述功率差值不符合所述决策树预测模型中的事件，则返回对预设的空白决策树添加处理的步骤；
[0035]将所述功率差值在所述决策树预测模型中最后一个符合的事件确定为储能充电装置输出控制方案。
[0036]可选地，所述获取预设的决策树训练集对所述事件决策树进行训练，得到决策树预测模型，包括：
[0037]将预获取的决策树训练集输入至所述事件决策树，得到预测值集合；
[0038]根据所述预测值集合和预设的预测损失函数计算所述事件决策树的预测损失值；
[0039]当所述预测损失值大于或者等于预设的损失阈值时，再次执行所述对所述初始决策树进行决策树添加处理的操作，直至所述预测损失值小于所述损失阈值时，输出当前的
事件决策树为决策树预测模型。
[0040]可选地，所述根据所述预测值集合和预设的预测损失函数计算所述事件决策树的预测损失值，包括：
[0041]利用如下预测损失函数计算所述事件决策树的预测损失值：
[0042][0043]其中，Loss为所述预测损失值，n为所述训练数据集的数据个数，H为进行决策树添加处理的添加次数，
i
为训练数据集中第i个数据，fh为所述预测值集合，a为所述训练数据集中数据的计数量词，h为添加次数的计数量词。
[0044]为了解决上述问题，本专利技术还提供一种基于随机环境下的储能充电装置输出控制装置，所述装置包括：
[0045]获取函数模块：获取预设的实验环境参数以及所述实验环境参数下储能充电装置的实验输出功率，将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数；
[0046]计算功率模块：通过预设的传感器获取所述储能充电装置所处环境的环境数值，利用所述环境功率函数计算所述环境数值对应的目标输出功率；
[0047]计算差值模块：获取预设的额定功率，计算所述额定功率与所述目标输出功率之间的功率差值；
[0048]筛选方案模块：根据预设的空白决策树确定所述功率差值对应的储能充电装置输出控制方案，并根据所述输出控制方案以及功率差值确定控制方案中需要调整的参数的具体数值，利用所述具体数值以及控制方案对所述储能充电装置进行调控。
[0049]本专利技术实施例通过获取预设的实验环境参数以及所述实验环境参数下储能充电装置的实验输出功率，将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数，利用损失值对所述空白函数模型进行参数调整可以使得到的环境功率函数更加准确，根据所述环境功率函数计算出的环境输出功率也会更加准确，有利于储能充电装置的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机环境下的储能充电装置输出控制方法，其特征在于，所述方法包括：获取预设的实验环境参数以及所述实验环境参数下储能充电装置的实验输出功率，将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数；通过预设的传感器获取所述储能充电装置所处环境的环境数值，利用所述环境功率函数计算所述环境数值对应的目标输出功率；获取预设的额定功率，计算所述额定功率与所述目标输出功率之间的功率差值；根据预设的空白决策树确定所述功率差值对应的储能充电装置输出控制方案，并根据所述输出控制方案以及功率差值确定控制方案中需要调整的参数的具体数值，利用所述具体数值以及控制方案对所述储能充电装置进行调控。2.如权利要求1所述的基于随机环境下的储能充电装置输出控制方法，其特征在于，所述将所述实验环境参数以及所述实验输出功率作为训练数据对预设的空白函数模型进行训练，得到环境功率函数，包括：利用预设的空白函数模型计算所述实验环境参数对应的预测输出功率；计算所述预测输出功率与所述实验输出功率的损失值；根据所述损失值对所述空白函数模型进行参数调整，得到环境功率函数。3.如权利要求2所述的基于随机环境下的储能充电装置输出控制方法，其特征在于，所述计算所述预测输出功率与所述实验输出功率的损失值，包括：利用如下损失公式计算所述预测输出功率与所述实验输出功率的损失值：其中，L(θ)表示损失值，k表示训练数据实验环境参数的数量，y
i
表示第i个预测输出功率，y
i
′
表示第i个实验输出功率。4.如权利要求2所述的基于随机环境下的储能充电装置输出控制方法，其特征在于，所述根据所述损失值对所述空白函数模型进行参数调整，得到环境功率函数，包括：利用如下目标函数公式将所述空白函数模型转化成目标函数；其中，所述O(g)为目标函数，k表示训练数据实验环境参数的数量，i表示训练数据实验环境参数的计数量词，L(g)为损失公式推导来的损失函数；计算所述目标函数所处的梯度；根据所述梯度开始对所述目标函数进行梯度下降推导，将完成梯度下降推导的目标函数确定为环境功率函数。5.如权利要求2所述的基于随机环境下的储能充电装置输出控制方法，其特征在于，所述计算所述目标函数所处的梯度，包括：利用如下梯度公式计算所述目标函数所处的梯度：
其中，所述为所述梯度，k表示训练数据实验环境参数的数量，i表示训练数据实验环境参数的计数量词，为损失公式推导来的损失函数的损失梯度。6.如权利要求1所述的基于随机环境下的储能充电装置输出控制方法，其特征在于，所述根据预设的空白决策树确定所述功率差值对应的储能充电装置输出控制方案，包括：对预...

【专利技术属性】
技术研发人员：黎兴源，王恕恒，陈爱宇，詹加彬，王益，张开元，陈大春，梅峰，
申请(专利权)人：成都南锋信息技术有限公司，
类型：发明
国别省市：