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！

龍圖騰網獲悉中國電力科學研究院有限公司;國網江蘇省電力有限公司蘇州供電分公司;國網江蘇省電力有限公司;國家電網有限公司申請的專利充電站負荷可調潛力評估方法、系統、存儲介質及服務器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：CN114202253B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202210103054.5，技術領域涉及：G06Q10/0639；該發明授權充電站負荷可調潛力評估方法、系統、存儲介質及服務器是由潘玲玲;趙家慶;耿建;田江;莊衛金;呂洋;王勇;李峰;吳海偉;丁宏恩;趙奇;劉建濤;張鴻;王禮文;毛文博;田偉設計研發完成，并于2022-01-27向國家知識產權局提交的專利申請。

本充電站負荷可調潛力評估方法、系統、存儲介質及服務器在說明書摘要公布了：一種充電站負荷可調潛力評估方法、系統、存儲介質及服務器，方法包括對實際充電數據進行篩選和預處理，構建數據庫；使用LSTM神經網絡對數據庫進行分析，對電動汽車充電負荷進行預測，得到常規未加入用戶選擇的負荷預測曲線；通過預先建立的用戶選擇隸屬度函數對數據庫中每一輛電動汽車的充電行為進行預測，得到新的充電負荷數據庫；對新的充電負荷數據庫進行LSTM神經網絡預測，得到考慮用戶行為決策后的負荷預測曲線，將常規未加入用戶選擇的負荷預測曲線與考慮用戶行為決策后的負荷預測曲線進行對比，獲得負荷調控容量，再對用戶行為決策的影響權重進行改變，得到最大負荷調控容量及最小負荷調控容量。本發明能提高潛力評估的準確性。

本發明授權充電站負荷可調潛力評估方法、系統、存儲介質及服務器在權利要求書中公布了：1.一種充電站負荷可調潛力評估方法，其特征在于，包括： 使用LSTM神經網絡對預先構建的數據庫進行分析，對電動汽車充電負荷進行預測，得到常規未加入用戶選擇的負荷預測曲線；所述使用LSTM神經網絡對所述數據庫進行分析，對電動汽車充電負荷進行預測的步驟包括： 讀取所述數據庫，構建一維時間序列矩陣，一維時間序列矩陣中的橫坐標為時間節點，縱坐標為該時間節點充電站的充電負荷； 對數據庫中的數據按訓練數據和測試數據進行分區； 按下式將訓練數據標準化為具有零均值和單位方差的標準化數據： 式中，u為標準化數據的均值，N為訓練數據的總數，DataTraini為每一個具體訓練數據，S為標準化數據的方差； 定義LSTM網絡架構，并創建LSTM神經網絡模型；所述的LSTM神經網絡模型為具有兩層隱藏層的LSTM網絡，每層具有若干個隱含單元，設置掉落率為一定值的丟棄層用于防止過擬合，利用ADAM算法進行設定輪數的訓練，設置梯度閾值用于防止梯度爆炸，指定初始學習率，并在進行到設定輪數中的某一輪數訓練后乘以因子來降低學習率； 使用訓練完成的LSTM神經網絡模型進行測試，使用測試數據對未來幾天的負荷波動進行預測并交叉驗證； 對預測數據去標準化，并計算誤差，找出電動汽車負荷預測結果作為常規未加入用戶選擇的負荷預測曲線； 通過預先建立的用戶選擇隸屬度函數對所述數據庫中每一輛電動汽車的充電行為進行預測，得到新的充電負荷數據庫；所述的用戶選擇隸屬度函數的建立過程如下： 添加隸屬度函數的輸入信息，包括電價補償、荷電狀態、電量焦慮以及電價敏感程度，各輸入信息對應的隸屬度模型為分別為梯形分布、高斯分布、三角形分布以及高斯分布； 各輸入信息的判別依據分別如下： 電價補償： 荷電狀態： 電量焦慮： 電價敏感程度： 添加隸屬度函數的輸出信息，輸出信息分為接受調控和不接受調控； 按照隸屬度函數規則獲取隸屬度模型輸出； 通過對隸屬度函數的輸出進行可視化操作，根據隸屬度模型輸出調整所設定的隸屬度函數規則，得到用戶選擇隸屬度函數； 所述通過預先建立的用戶選擇隸屬度函數對所述數據庫中每一輛電動汽車的充電行為進行預測，以此得到新的充電負荷數據庫的過程如下： 讀取原充電開始時刻及充電結束時刻，找出充電時段小于閾值的充電場景不參與調控； 使用高斯分布函數按下式計算開始充電時刻的荷電狀態： 按下式計算電量焦慮值，電量焦慮值為隨著荷電狀態變化的線性相關函數： fnervous＝10-soc 按下式計算電價敏感程度，電價敏感程度為[0-10]均勻分布，且同一輛車的電價敏感程度在不同日期內相同： 按下式計算電價補償，電價補償為[0-10]均勻分布，越高補償越多： 將開始充電時刻的荷電狀態、電量焦慮值、電價敏感程度以及電價補償四個信息作為輸入，通過預先建立的用戶選擇隸屬度函數得到輸出信息，若輸出信息為接受調控，則該充電段調控至當天行程結束后至第二天出行前的停車時段，停車起始時刻及結束時刻根據概率分布函數生成，調控至停車時段內任意時段；依據以上規則，對已有充電負荷時間序列進行預測，得到新的充電負荷數據庫； 對所述新的充電負荷數據庫進行LSTM神經網絡預測，得到考慮用戶行為決策后的負荷預測曲線，將所述常規未加入用戶選擇的負荷預測曲線與所述考慮用戶行為決策后的負荷預測曲線進行對比，獲得常規負荷調控容量，再對用戶行為決策的影響權重進行改變，分別得到最大負荷調控容量以及最小負荷調控容量。

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中國電力科學研究院有限公司;國網江蘇省電力有限公司蘇州供電分公司;國網江蘇省電力有限公司;國家電網有限公司，其通訊地址為：100192 北京市海淀區清河小營東路15號；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”。