【技术实现步骤摘要】
本公开涉及换电站，尤其涉及一种换电站充放电控制方法、装置及系统。
技术介绍
1、相关技术中，换电站需要根据车辆的电量、到站时间等信息来确定对车辆的充电时机和充电电量，根据车辆的类型和车辆的路线规划等因素来确定放电时机和放电电量，由于需要考虑的因素较多，容易出现遗漏，导致确定换电站的充放电策略的精确性较差。
技术实现思路
1、为克服相关技术中存在的问题，本公开提供一种换电站充放电控制方法、装置及系统。
2、根据本公开实施例的第一方面，提供一种换电站充放电控制方法，包括：
3、获取待预测时间信息；所述待预测时间信息为待预测时间段，或者待预测时间节点；所述待预测时间段为预测换电站充放电策略的目标时间段；所述待预测时间节点为预测换电站充放电策略的目标时间节点；
4、将所述待预测时间段输入至预训练的充放电策略预测模型，得到所述充放电策略预测模型输出的所述换电站在所述待预测时间段内的充放电策略；所述充放电策略预测模型是利用换电站的历史充放电数据训练得到的；
<...【技术保护点】
1.一种换电站充放电控制方法，其特征在于，包括：
2.根据权利要求1所述的换电站充放电控制方法，其特征在于，在所述获取待预测时间信息之前，还包括：
3.根据权利要求2所述的换电站充放电控制方法，其特征在于，所述LCA模型包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，所述训练样本包括历史时间段和历史时间段中多个时间节点各自对应的所述换电站的充放电功率的真实值，所述采用所述训练样本对混合LCA模型进行训练，得到基于所述LCA模型训练后的所述充放电策略预测模型，包括：
4.如权利要求3所述的方法，其...
【技术特征摘要】
1.一种换电站充放电控制方法，其特征在于，包括：
2.根据权利要求1所述的换电站充放电控制方法，其特征在于，在所述获取待预测时间信息之前，还包括：
3.根据权利要求2所述的换电站充放电控制方法，其特征在于，所述lca模型包括输入层、卷积神经网络cnn层、长短期记忆人工神经网络lstm层、注意力层和输出层，所述训练样本包括历史时间段和历史时间段中多个时间节点各自对应的所述换电站的充放电功率的真实值，所述采用所述训练样本对混合lca模型进行训练，得到基于所述lca模型训练后的所述充放电策略预测模型，包括：
4.如权利要求3所述的方法，其特征在于，所述cnn层包括卷积层和丢弃dropout层，将所述输入向量输入到所述cnn层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：
5.如权利要求3所述的方法，其特征在于，在所述将所述第二...
【专利技术属性】
技术研发人员：王鸿策，任晓馗，钟明，安娜，王德志，申旭辉，杨宁，孙财新，潘霄峰，王春森，郝健强，
申请(专利权)人：宁夏金信光伏电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。