首页|基于深度神经网络的直流充电桩远程计量性能检定方法

基于深度神经网络的直流充电桩远程计量性能检定方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为实现对直流充电桩计量性能远程、节约、高效的检定,基于深度神经网络(DNN),采用现场电动汽车直流充电桩充电的大量数据,在对充电过程中各变量与累计电能进行相关性分析的基础上,建立了直流充电桩累计电能计算的DNN模型,提出了一种可用于直流充电桩的远程计量性能检定方法.实例验证结果表明:电池荷电状态对累计电能计算的影响最大,电流的影响最小;建立的DNN模型可准确计算待测桩的"实际"输出电能,模型计算结果的示值误差与实际检定示值误差间差值的绝对值小于1％;提出的直流充电桩远程计量性能检定方法可实现高效的直流充电桩计量性能评估.
Metering performance evaluation method of DC charging piles based on deep neural networks

DC charging pilesmetering verificationdeep neural networkindication errorvalue transfer

陈熙、刘秀兰、陈慧敏、程林、李香龙、刘进刚

展开 >

国网北京市电力公司电力科学研究院,北京100075

华北电力大学(北京)电气与电子工程学院,北京102206

中国电建集团贵阳勘测设计研究院有限公司,贵州贵阳 550081

直流充电桩 计量检定 深度神经网络 示值误差 量值传递

国网北京市电力公司科技项目

520223230018

2023

10.3876/j.issn.1000-1980.2023.05.016

河海大学学报(自然科学版)
河海大学

河海大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.803
ISSN：1000-1980
年,卷(期)：2023.51(5)
  • 17