[发明专利]一种基于机器学习的储充站控制方法及终端

权利要求书

1.一种基于机器学习的储充站控制方法，其特征在于，包括步骤：

获取储充站的运行数据，调用多个训练器基于所述运行数据训练所述训练器对应的子神经网络；

根据所述运行数据和每一所述训练器的子神经网络，对能量管理模型进行参数优化；

判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的控制参数。

2.根据权利要求1所述的一种基于机器学习的储充站控制方法，其特征在于，所述调用多个训练器基于所述运行数据训练所述训练器对应的子神经网络包括：

依次调用每一个所述训练器，通过将对应的所述运行数据输入所述训练器，训练所述训练器对应的子神经网络；

判断所述子神经网络是否训练成功，若是，则将所述子神经网络持久化保存。

3.根据权利要求1所述的一种基于机器学习的储充站控制方法，其特征在于，根据所述运行数据和每一所述训练器的子神经网络，对能量管理模型进行参数优化包括：

将所述运行数据输入所述能量管理模型，通过每一所述训练器的子神经网络对能量管理模型中的每一个参数进行优化；

判断所述参数是否优化成功，若是，则将所述参数进行持久性保存。

4.根据权利要求1所述的一种基于机器学习的储充站控制方法，其特征在于，判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的控制参数包括：

定时判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的一组控制参数；

将所述控制参数发送给所述储充站。

5.根据权利要求4所述的一种基于机器学习的储充站控制方法，其特征在于，还包括：

所述储充站或者仿真站点或者与第三方服务通过接口主动请求更新能量控制策略。

6.一种基于机器学习的储充站控制终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

获取储充站的运行数据，调用多个训练器基于所述运行数据训练所述训练器对应的子神经网络；

根据所述运行数据和每一所述训练器的子神经网络，对能量管理模型进行参数优化；

判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的控制参数。

7.根据权利要求6所述的一种基于机器学习的储充站控制终端，其特征在于，所述调用多个训练器基于所述运行数据训练所述训练器对应的子神经网络包括：

依次调用每一个所述训练器，通过将对应的所述运行数据输入所述训练器，训练所述训练器对应的子神经网络；

判断所述子神经网络是否训练成功，若是，则将所述子神经网络持久化保存。

8.根据权利要求6所述的一种基于机器学习的储充站控制终端，其特征在于，根据所述运行数据和每一所述训练器的子神经网络，对能量管理模型进行参数优化包括：

将所述运行数据输入所述能量管理模型，通过每一所述训练器的子神经网络对能量管理模型中的每一个参数进行优化；

判断所述参数是否优化成功，若是，则将所述参数进行持久性保存。

9.根据权利要求6所述的一种基于机器学习的储充站控制终端，其特征在于，判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的控制参数包括：

定时判断所述储充站是否需要更新能量控制策略，若是，则根据所述储充站的历史运行数据和所述能量管理模型计算所述储充站的一组控制参数；

将所述控制参数发送给所述储充站。

10.根据权利要求9所述的一种基于机器学习的储充站控制终端，其特征在于，还包括：

所述储充站或者仿真站点或者与第三方服务通过接口主动请求更新能量控制策略。