[发明专利]基于BERT的非侵入式台区充电桩状态监测与电价调整方法有效
申请号: | 202111156209.3 | 申请日: | 2021-09-28 |
公开(公告)号: | CN113902183B | 公开(公告)日: | 2022-11-08 |
发明(设计)人: | 彭勇刚;莫浩杰;李鹏;胡丹尔;孙静;翁楚迪;韦巍;习伟;蔡田田;邓清唐;陈波 | 申请(专利权)人: | 浙江大学;南方电网数字电网研究院有限公司 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q30/02;G06Q50/06;B60L53/64;G06N3/04;G06N3/08 |
代理公司: | 杭州中成专利事务所有限公司 33212 | 代理人: | 周世骏 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 bert 侵入 式台区 充电 状态 监测 电价 调整 方法 | ||
1.一种基于BERT的非侵入式台区充电桩状态监测的方法,其特征在于,包括以下步骤:
(1)获取变电站台区的总功率历史数据和充电桩状态历史数据,作为训练样本;
(2)搭建BERT模型,从前往后依次包括嵌入层、Transformer层和输出层;
所述BERT模型具体包括:
(2.1)嵌入层
嵌入层首先通过卷积神经网络提取输入数据的特征并输入到隐藏层,再采用平方平均池化操作将输入序列长度减半,最后与一个可学习的位置嵌入矩阵相加,输出到下一层;
(2.2)Transformer层
嵌入层输出矩阵到双向Transformer层,后者由多层transformer和每层里的多个self-attention组成;单个self-attention由输入矩阵Q(Query)、K(Key)和V(Value)的线性变换表述;由多个self-attention集成multi-head attention,即将计算self-attention的过程做多次,把输出矩阵拼接起来,将输入映射到不同的空间;
(2.3)输出层
Transformer层的输出首先被输入到输出层的位置全连接前馈网络PFFN;再经过包括一个反卷积层和两个线性层的多层感知机MLP,得到最终的输出;
(3)确定训练用损失函数,具体为:
其中,表示模型预测输出值和真实充电桩功率的归一化值,xi分别表示模型输出值和真实剩余充电容量;为充电桩的预测开关状态和实际开关状态;T是总时间步长;O为满足充电桩实际开关状态为开或模型状态预测错误的时间步长;τ和λ均为模型的超参数,用以减少绝对误差;DKL(.)为相对熵函数;softmax(.)为归一化指数函数;log(.)为以10为底的对数函数;exp(.)为以常数e为底的指数函数;
(4)使用梯度下降算法训练BERT模型,具体包括:
(4.1)随机初始化模型参数;
(4.2)把训练样本传入BERT模型,得到输出;
(4.3)根据损失函数计算得出损失;
(4.4)对每一个产生误差的神经元,调整模型参数以减小误差;
(4.5)重复步骤(4.2)至(4.4)直到损失收敛;
(5)将变电站台区中智能电表的历史总功率数据输入到训练好的BERT模型中,得到各充电桩的历史工作状态数据和历史充电功率数据,实现台区充电桩状态监测。
2.根据权利要求1所述的方法,其特征在于,进一步预测变电站台区剩余充电容量,包括以下步骤:
(S1)搭建并训练全连接前馈神经网络FFN;具体包括:
(S1.1)获取变电站台区的历史剩余容量和充电桩历史充电功率数据,计算得到变电站台区历史剩余充电容量;分割数据样本,形成训练数据;
(S1.2)搭建FFN模型,包括一个卷积层和两个线性层;
(S1.3)确定训练用损失函数;
(S1.4)使用梯度下降算法训练FFN模型,具体包括:
(S1.4.1)随机初始化模型参数;
(S1.4.2)把输入数据传入模型,得到输出;
(S1.4.3)根据损失函数计算得损失;
(S1.4.4)对每一个产生误差的神经元,调整模型参数以减小误差:
(S1.4.5)重复步骤(S1.4.2)至(S1.4.4),直到损失收敛;
(S2)将训练好的BERT模型和FFN模型部署到智能电表上,智能电表实时读取变电站台区的总功率数据,并输入到训练好的BERT模型中,实时获取充电桩工作状态数据,形成历史充电功率数据;
(S3)根据智能电表读取的变电站台区的历史总功率和台区固有容量,计算得台区历史剩余容量数据;结合步骤(S2)获得的历史充电功率数据,计算得到变电站台区的历史剩余充电容量;将结果输入训练好的FFN模型,得到预测的未来剩余充电容量。
3.根据权利要求2所述的方法,其特征在于,所述步骤(S1.3)中的训练用损失函数具体为:
4.根据权利要求2所述的方法,其特征在于,进一步对实时充电电价进行调整,包括以下步骤:
(A1)根据变电站台区的历史剩余充电容量和预测的未来剩余充电容量,计算得到一段时间内固定时间步长的台区历史/未来剩余充电容量占台区总变电容量的比例,记为{Ht-T,Ht-T+1,...,Ht-1,Ht}和{Ft,Ft+1,...,Ft+T-1,Ft+T};其中Ht=Ft,为当前时刻剩余充电容量占比;
(A2)依照下式计算得电动汽车使用充电桩的实时充电电价Pt:
其中,ρ为电价调整常数;K为纳入计算的时刻点数,历史和未来剩余充电容量均考虑K个时刻点;Hk为当前时刻之前第k个时刻点的剩余充电容量占比;Fk为预测到的当前时刻之后第k个时刻点的剩余充电容量占比;α∈(0,1)为历史折扣因子,γ∈(0,1)为未来折扣因子,表示当前时刻考虑前/后一个时刻剩余充电容量的多少;
(A3)以计算得到的实时充电电价作为电动汽车使用充电桩的收费计算依据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学;南方电网数字电网研究院有限公司,未经浙江大学;南方电网数字电网研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111156209.3/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理