【技术实现步骤摘要】
本专利技术涉及光伏储能，具体为一种基于智能学习技术的光伏储能控制方法。
技术介绍
1、光伏，全称光伏发电系统，简称光伏，是一种利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的发电系统。这种转换利用的是光生伏特效应，即太阳光照射在具有光伏效应的材料上，能够产生电流和电压，进而产生电能。这种新型发电形式在近年来得到了广泛的关注和应用。光伏发电系统的核心组件是光伏电池板，也称为太阳能电池板。这些电池板通常由硅、硒、铜等材料制成，它们能够有效地吸收太阳光并将其转换为电能。光伏电池板可以安装在屋顶、地面、水面等各种环境中，只要有阳光照射，就能够产生电能，与传统的发电方式相比，光伏发电具有许多优点。首先，它是一种清洁、可再生的能源，不会产生污染和温室气体排放。其次，光伏发电系统的安装和运行维护相对简单，不需要大量的燃料和人力成本。此外，由于光伏电池板可以安装在各种不同的环境中，因此光伏发电的应用范围非常广泛，既可以用于家庭用电，也可以用于大规模的商业和工业用电。
2、现有技术中光伏储能控制，在对储能控制过程中，往往没有基于客观因素进行考虑以及评判，则对区域内的集能设备的控制往往依据操作人员的主观操作，这样客观性差，控制效果不佳，且这样简单同一方式，在对储能控制过程中，会导致资源的浪费。
3、经检索，如中国专利文献公开了储能式光伏电站光伏充电系统及其控制方法 （公开号：cn105529810a），本专利技术公开了一种储能式光伏电站光伏充电系统及其控制方法，该充电系统包括光伏组件，用于完成太阳能到电能的转
4、上述储能式光伏电站光伏充电系统及其控制方法虽然实现了可根据不同的光照条件分级控制充电电路实现光能的充分利用，避免光能浪费，从而提高光伏电站的发电效率，但是其还存在有在对储能控制过程中，往往没有基于客观因素进行考虑以及评判，这样简单同一方式，在对储能控制过程中，会导致资源的浪费的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于智能学习技术的光伏储能控制方法，解决了
技术介绍
中在对储能控制过程中，往往没有基于客观因素进行考虑以及评判，这样简单同一方式，在对储能控制过程中，会导致资源的浪费的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种基于智能学习技术的光伏储能控制方法，包括以下步骤：
4、s1：对集能区域中的集能设备参数数据采集；
5、s2：对该集能区域中的转换设备参数数据采集；
6、s3：对该集能区域中的基础客观参数数据采集；
7、s4：将s1至s3中所采集的各参数数据进行提取，并处理得到各指标参数数据；
8、s5：构建预警系统；
9、s6：根据所构建的预警系统所获得的未来阈值内的预警参数指标；
10、s7：以未来阈值内的预警参数以及各指标参数数据构建智能学习模型；
11、s8：通过智能学习模型获得优化参数指标；
12、s9：通过优化参数指标，对该区域内各设备进行优化调整控制。
13、优选的，在所述s1中：所述集能设备的参数数据采集为，该区域内的集能设备的角度参数数据，该区域内的集能设备的最大集能效率以及该区域内的集能设备的最小集能效率。
14、优选的，在所述s2中：所述转换设备至少包括功率变换电路、功率检测电路和储能电路；
15、所述功率变换电路的参数数据包括，所有功率变换电路的最大变换功率以及变换电路的最小变换功率；
16、所述储能电路的参数数据包括，所有储能电路的最大储能值以及储能电路的最小储能值。
17、优选的，在所述s3中，所述基础客观参数数据至少包括，该集能区域所安装的光伏设备经纬度、该集能区域所安装的光伏设备海拔高度以及集能区域所安装的光伏设备季节参数数据。
18、优选的，在所述s4中，所述处理得到各指标参数数据具体为：
19、s4.1：提取该集能区域中的集能设备参数数据；
20、s4.2：将该区域内的集能设备的最大集能效率以及该区域内的集能设备的最小集能效率进行集合，并添加相对浮动阈值，得到集能效率指标；
21、s4.3：提取该集能区域中的转换设备参数数据采集；
22、s4.4：将所有功率变换电路的最大变换功率以及变换电路的最小变换功率进行集合，并添加相对浮动阈值，得到转换效率指标；
23、s4.5：将所有储能电路的最大储能值以及储能电路的最小储能值进行集合，并添加相对浮动阈值，得到储能指标；
24、s4.6：提取该集能区域中的基础客观参数数据采集；
25、s4.7：设置若干个时间段阈值，以所设置的时间段阈值对光伏设备季节参数数据，所集能的参数数据进行提取；
26、s4.8：通过至少三个时间段阈值内的集能的参数数据进行集合，得到各时间阈值内的集能指标。
27、优选的，在所述s5中所述预警系统包括，未来参数数据采集模块、未来参数影响分析模块和未来参数影响验证模块；
28、所述未来参数数据采集模块与未来参数影响分析模块电性连接；
29、所述未来参数影响分析模块与未来参数影响验证模块电性连接。
30、优选的，所述未来参数数据采集模块的作用为，对未来时间阈值内的光照区间时间段参数数据、光照区间时间段参数数据各时间段光照强度参数数据以及未来时间阈值内的温度参数数据、未来时间阈值内的雾霾参数数据进行采集；
31、所述未来参数影响分析模块的作用为根据未来参数数据采集模块所采集的各参数数据对该区域中的集能影响进行分析，并获得预警参数指标；
32、所述未来参数影响验证模块的作用为，将未来参数影响分析模块所获得的预警参数指标进行验证，所验证条件为以未来参数数据采集模块所采集的参数数据为基准，再以往期在采集的参数数据影响指标进行验证，验证公式如下：
33、；
34、验证公式中为最小下限阈值，为最大下限阈值；
35、若验证公式成立则预警参数指标确认，反之预警参数指标无效。
36、优选的，在所述s7中，所述构建智能学习模型具体包括以下步骤：
37、s7.1：首先接收预警参数指标以及该区域内的集能设备参数数据、转换设备参数数据以及基础客观参数数据，并将其代入智能学习模本文档来自技高网...
【技术保护点】
1.一种基于智能学习技术的光伏储能控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S1中：所述集能设备的参数数据采集为，该区域内的集能设备的角度参数数据，该区域内的集能设备的最大集能效率以及该区域内的集能设备的最小集能效率。
3.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S2中：所述转换设备至少包括功率变换电路、功率检测电路和储能电路；
4.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S3中，所述基础客观参数数据至少包括，该集能区域所安装的光伏设备经纬度、该集能区域所安装的光伏设备海拔高度以及集能区域所安装的光伏设备季节参数数据。
5.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S4中，所述处理得到各指标参数数据具体为：
6.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S5中所述预警系统包括，未来参数数据采集模块、
7.根据权利要求6所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：所述未来参数数据采集模块的作用为，对未来时间阈值内的光照区间时间段参数数据、光照区间时间段参数数据各时间段光照强度参数数据以及未来时间阈值内的温度参数数据、未来时间阈值内的雾霾参数数据进行采集；
8.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S7中，所述构建智能学习模型具体包括以下步骤：
9.根据权利要求8所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：所述优化参数指标可信度确认中，通过两种数据进行结合分析，确认上值可信度以及下值可信度，上值可信度计算公式如下：
10.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述S9中，通过智能学习模型获得优化参数指标，这样依据所获得优化参数指标对区域内的集能设备集能时间以及集能设备的数量进行控制，并且对转换设备转换集能设备的电能输送至电网的转换效率依据优化参数指标进行控制。
...【技术特征摘要】
1.一种基于智能学习技术的光伏储能控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述s1中：所述集能设备的参数数据采集为，该区域内的集能设备的角度参数数据，该区域内的集能设备的最大集能效率以及该区域内的集能设备的最小集能效率。
3.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述s2中：所述转换设备至少包括功率变换电路、功率检测电路和储能电路；
4.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述s3中，所述基础客观参数数据至少包括，该集能区域所安装的光伏设备经纬度、该集能区域所安装的光伏设备海拔高度以及集能区域所安装的光伏设备季节参数数据。
5.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述s4中，所述处理得到各指标参数数据具体为：
6.根据权利要求1所述的一种基于智能学习技术的光伏储能控制方法，其特征在于：在所述s5中所述预警系统包括，未来参数数...
【专利技术属性】
技术研发人员：高少恒，黄海，厉卫臣，陈金水，蓝健彰，
申请(专利权)人：东莞市锂智慧能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。