買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安熱工研究院有限公司申請的專利一種超級電容耦合鋰電池的儲能調(diào)頻控制方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120200277B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510677718.2，技術(shù)領(lǐng)域涉及：H02J3/24；該發(fā)明授權(quán)一種超級電容耦合鋰電池的儲能調(diào)頻控制方法及系統(tǒng)是由吳昌兵;李志鵬;兀鵬越;王小輝;康禎;寇水潮;高峰;張立松;楊沛豪;趙俊博設(shè)計(jì)研發(fā)完成，并于2025-05-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種超級電容耦合鋰電池的儲能調(diào)頻控制方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種超級電容耦合鋰電池的儲能調(diào)頻控制方法及系統(tǒng)，屬于儲能與調(diào)頻控制技術(shù)領(lǐng)域，包括從原始調(diào)頻指令序列中采集數(shù)據(jù)，使用搜尋法生成替代序列并通過正向、負(fù)向及綜合優(yōu)化，生成規(guī)律性的最優(yōu)替代序列；利用最優(yōu)替代序列訓(xùn)練GRU模型，通過改進(jìn)的鯨魚優(yōu)化算法優(yōu)化GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)；將最優(yōu)替代序列輸入優(yōu)化后的GRU模型，生成初步預(yù)測結(jié)果，對預(yù)測結(jié)果結(jié)合預(yù)測殘差與原始數(shù)據(jù)的偏差進(jìn)行修正，得到最終預(yù)測結(jié)果。本發(fā)明顯著減少了預(yù)測誤差，提高調(diào)頻控制系統(tǒng)的預(yù)測精度，有效避免局部最優(yōu)問題，提升優(yōu)化過程的全局性，確保生成的最優(yōu)序列具有更高質(zhì)量；改進(jìn)鯨魚優(yōu)化算法顯著提升了算法收斂效率，避免了陷入局部最優(yōu)解。

本發(fā)明授權(quán)一種超級電容耦合鋰電池的儲能調(diào)頻控制方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種超級電容耦合鋰電池的儲能調(diào)頻控制方法，其特征在于：包括， 從原始調(diào)頻指令序列中采集數(shù)據(jù)，使用搜尋法生成替代序列并通過正向、負(fù)向及綜合優(yōu)化，生成規(guī)律性的最優(yōu)替代序列； 利用最優(yōu)替代序列訓(xùn)練GRU模型，基于訓(xùn)練結(jié)果，通過改進(jìn)的鯨魚優(yōu)化算法優(yōu)化GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)； 將最優(yōu)替代序列輸入優(yōu)化后的GRU模型，生成初步預(yù)測結(jié)果，對預(yù)測結(jié)果結(jié)合預(yù)測殘差與原始數(shù)據(jù)的偏差進(jìn)行修正，得到最終預(yù)測結(jié)果； 所述采集數(shù)據(jù)包括， 設(shè)定原始調(diào)頻序列為Pt＝[X1,X2,X3,…Xi…,XN]，前長度為0.9N[X1,X2,X3,…,X0.9N]的序列； 將前長度的序列作為輸入，預(yù)測試驗(yàn)組[X0.9N+1,X0.9N+2,X0.9N+3,…,XN]的值和預(yù)測未知組[XN+1,XN+2,XN+3,…XN+0.1N]的值； 其中，采集試驗(yàn)組的實(shí)際值和預(yù)測值產(chǎn)生的所有誤差，N為序列長度，i為變量索引； 所述生成規(guī)律性的最優(yōu)替代序列包括，將原始調(diào)頻序列Pt＝[X1,X2,X3,…Xi…,XN]通過搜尋法生成規(guī)律性的最優(yōu)替代序列； 隨機(jī)生成90組的替代序列Pt1、Pt2…Pt90，設(shè)Ptj是前30組的任意一個序列進(jìn)行正向搜尋，并代入正向搜尋公式得到當(dāng)前序列第i個值的隨機(jī)范圍，正向搜尋公式如下： Pt31到Pt60設(shè)定為中間的序列，同時存在正向搜尋和負(fù)向搜尋，設(shè)Ptj是位于Pt31到Pt60的任意一個序列代入混向搜尋公式得到序列第i個值的隨機(jī)范圍，混向搜尋公式如下： 設(shè)Ptj是后30組的任意一個序列進(jìn)行負(fù)向搜索，并代入正向搜尋公式得到當(dāng)前序列第i個值的隨機(jī)范圍，負(fù)向搜尋公式如下： 其中，W是Pt產(chǎn)生的試驗(yàn)組誤差，Xi為原始調(diào)頻指令序列的第i個值，xji為第j組替代序列的第i個值的隨機(jī)范圍，i、j為變量索引，Xi *的基準(zhǔn)調(diào)整值，e1+W！是一個動態(tài)放大因子，通過組編號j和誤差W的線性組合，調(diào)整搜索范圍的上界；w為與誤差對應(yīng)的權(quán)重參數(shù)，e為自然常數(shù)，ew*i為動態(tài)收縮因子用于控制負(fù)向搜索范圍的下界； 所述生成規(guī)律性的最優(yōu)替代序列還包括，對生成的序列進(jìn)行再優(yōu)化； 設(shè)定替代序列Pt1、Pt2…Pt90的試驗(yàn)組產(chǎn)生的誤差是W1、W2…W90； 在正向搜尋時產(chǎn)生的誤差達(dá)到試驗(yàn)組產(chǎn)生的誤差時，此時對應(yīng)的序列是PtQ，對應(yīng)的誤差是W1min； 在混向搜尋時產(chǎn)生的誤差達(dá)到試驗(yàn)組產(chǎn)生的誤差時，此時對應(yīng)的序列是PtW對應(yīng)的誤差是W2min； 在負(fù)向搜尋時產(chǎn)生的誤差達(dá)到試驗(yàn)組產(chǎn)生的誤差時，此時對應(yīng)的序列是PtE對應(yīng)的誤差是W3min； 將得到的W1min，W2min，W3min代入下列優(yōu)化公式得到最優(yōu)替代序列xRi，優(yōu)化公式如下： 其中，W1min、W2min、W3min分別為正向、混向、負(fù)向搜索策略下的最小誤差值，xQi、xWi、xEi分別為不同搜索策略生成的序列值，sigmoidei為誤差修正項(xiàng)，ei為第i個位置對應(yīng)的誤差值； 所述改進(jìn)的鯨魚優(yōu)化算法包括，第一優(yōu)化和第二優(yōu)化； 第一優(yōu)化具體為對GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)優(yōu)化，采用非線性遞減策略改進(jìn)收斂因子； 對高鯨魚優(yōu)化算法的全局搜索和局部搜索能力進(jìn)行平衡，收斂因子a改進(jìn)公式如下： 其中，Tmax表示為鯨魚算法的最大迭代次數(shù)，t當(dāng)前迭代次數(shù)，tanh表示為激活函數(shù)； 采用改善后的鯨魚優(yōu)化算法對GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)進(jìn)行優(yōu)化，優(yōu)化公式如下： Xt+1＝X*t-a·|C·X*t-Xt| 其中，Xt+1表示新的超參數(shù)組合，X*t表示最佳超參數(shù)組合，Xt表示前粒子位置，C表示隨機(jī)數(shù)； 所述第二優(yōu)化包括，對GRU神經(jīng)網(wǎng)絡(luò)的超參數(shù)進(jìn)行優(yōu)化，將GRU神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率，隱層神經(jīng)元個數(shù)設(shè)為空間中搜索粒子的屬性，以輸出誤差作最小化為目標(biāo)函數(shù)； 所述最終預(yù)測結(jié)果包括，將最優(yōu)替代序列輸入優(yōu)化后的GRU模型； 采用改進(jìn)后的鯨魚優(yōu)化算法通過最優(yōu)替代序列進(jìn)行預(yù)測，預(yù)測結(jié)果為[X′N+1,X′N+2,X′N+3,…X′N+i…X′N+0.1N]； 采用改進(jìn)后的鯨魚優(yōu)化算法通過最優(yōu)替代序列與原始序列的差值序列進(jìn)行預(yù)測，預(yù)測結(jié)果為[X”N+1,X”N+2,X”N+3,…X”N+i…X”N+0.1N]； 將兩種預(yù)測結(jié)果根據(jù)關(guān)聯(lián)計(jì)算得到最終預(yù)測結(jié)果，其中，關(guān)聯(lián)計(jì)算為： XN+i＝X'N+i-X”N+i+esinπN+i 最終的預(yù)測結(jié)果為[XN+1,XN+2,XN+3,…XN+i…XN+0.1N]； 其中，PtR表示生成的最優(yōu)替代序列，X'N+0.1N為進(jìn)行預(yù)測得到的初步預(yù)測值，X”N+i表示采用改進(jìn)后的鯨魚優(yōu)化算法對最優(yōu)替代序列與原始序列的差值序列進(jìn)行預(yù)測得到的差值預(yù)測值，sinπN+i為正弦函數(shù)，輸入為πN+i，用于引入周期性修正。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安熱工研究院有限公司，其通訊地址為：710000 陜西省西安市碑林區(qū)興慶路136號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。