【技术实现步骤摘要】
本专利技术属于分布式储能系统评估，尤其涉及基于神经网络的分布式储能鲁棒性评估方法。
技术介绍
1、随着能源技术的持续进步，分布式储能系统越来越受到关注和广泛应用。这些系统如蓄电池、超级电容、飞轮、热储能、液态空气储能等，都为现代能源网络提供了稳定性和灵活性。然而，为了确保这些分布式储能系统能够在各种情况下可靠地工作，对其进行鲁棒性评估是至关重要的。在实际应用中，对这些系统的鲁棒性进行评估是一项挑战，因为系统的数据可能存在各种不确定性，如噪声、缺失值或不一致性等。此外，由于实时监测和历史数据的复杂性，很难直接从这些数据中提取有用的信息进行评估。传统的评估方法可能依赖于简化的模型或启发式的方法，但这些方法可能无法充分捕获系统的真实行为，导致评估结果的不准确。另一方面，随着人工智能和深度学习技术的迅速发展，利用神经网络对复杂系统进行建模和分析已经成为一个热门研究方向。但是，由于神经网络模型的高度非线性和大量参数，传统的基于梯度下降的优化方法可能会面临梯度消失、梯度爆炸或容易陷入局部最优解的问题。
2、申请号为cn202310688...
【技术保护点】
1.一种基于神经网络的分布式储能鲁棒性评估方法，所述方法包括：
2.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述分布式储能系统包括：蓄电池、超级电容、飞轮、热储能系统和液态空气储能系统。
3.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述实时监测数据和历史数据包括不同采样时刻的数据属性，所述数据属性包括：电池状态、电池温度、电池电压、电池电流、超级电容状态、飞轮速度、热储能温度、液态空气压力、系统负载和外部环境温度。
4.根据权利要求1所述的基于神经网络的分布式储能鲁棒性...
【技术特征摘要】
1.一种基于神经网络的分布式储能鲁棒性评估方法，所述方法包括：
2.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述分布式储能系统包括：蓄电池、超级电容、飞轮、热储能系统和液态空气储能系统。
3.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述实时监测数据和历史数据包括不同采样时刻的数据属性，所述数据属性包括：电池状态、电池温度、电池电压、电池电流、超级电容状态、飞轮速度、热储能温度、液态空气压力、系统负载和外部环境温度。
4.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述预处理包括：
5.根据权利要求1所述的基于神经网络的分布式储能鲁棒性评估方法，其特征在于，所述属性转换包括：
6.根据权利...
【专利技术属性】
技术研发人员：刘骁，靳文涛，连湛伟，邱勇，单栋梁，张琦，戚江兵，李强，
申请(专利权)人：新源智储能源发展北京有限公司，
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。