龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：三峡大学
摘要：基于LSTM‑GNN组合模型的电动汽车短期充电负荷预测方法，包括以下步骤：采集电动汽车充电站充电负荷数据和气温、日期数据，并进行预处理，构建滑动窗口数据集；对LSTM模型进行改进，增加图神经网络聚类架构GraphSAGE与SAGEConv网络层，得到LSTM‑GNN模型；将滑动窗口数据集输入到LSTM‑GNN模型，在LSTM层和全连接层中进行模型训练，随后根据模型参数构建出包含节点、边、权重的图数据，进行特征提取后，输出至图神经网络聚类架构GraphSAGE与SAGEConv网络层中进行训练；将验证集作为输入，输入到训练好的LSTM‑GNN模型，进行电动汽车充电负荷的预测。该预测方法能够较好地预测不同典型区域电动汽车充电负荷且能与实际气温与日期情况变化趋势相结合，具有良好的适应性。
主权项：1.基于LSTM-GNN组合模型的电动汽车短期充电负荷预测方法，其特征在于包括以下步骤：步骤1：采集电动汽车充电站充电负荷数据和气温、日期数据，并进行预处理，构建滑动窗口数据集；步骤2：对LSTM模型进行改进，增加图神经网络聚类架构GraphSAGE与SAGEConv网络层，得到LSTM-GNN模型；步骤3：将步骤1中的滑动窗口数据集输入到步骤2的LSTM-GNN模型，在LSTM层和全连接层中进行模型训练，随后根据模型参数构建出包含节点、边、权重的图数据，进行特征提取后，输出至图神经网络聚类架构GraphSAGE与SAGEConv网络层中进行训练；步骤4：将验证集作为输入，输入到训练好的LSTM-GNN模型，进行电动汽车充电负荷的预测。
全文数据：
权利要求：
百度查询： 三峡大学 基于LSTM-GNN组合模型的电动汽车短期充电负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号