【技术实现步骤摘要】
本专利技术涉及能源调度系统，更具体地说，本专利技术涉及基于aem的能源高效调度管理系统。
技术介绍
1、风能和太阳能作为典型的非稳定性能源，其发电量的波动性极大，极易受到气候和自然条件的影响。这种不稳定性与工业用电负荷的规律性、周期性特点形成了鲜明对比。在某些时段，发电量可能远超耗电量，造成能源过剩；而在另一些时段，则可能无法满足用电需求，导致能源短缺。
2、针对这一挑战，现有的能源调度系统主要依赖于电力储存技术。当发电量大于耗电量时，将多余的电力储存起来；当电力不足时，则释放储存的电力进行补充。然而，由于风力和太阳能发电量的不确定性极高，调度系统需要频繁地进行储存和补充模式的切换，这导致运维成本的上升，同时降低了设备的使用寿命。因此，如何更加精准、高效地调度风光发电系统，实现电力供需的平衡，在减少调度系统的频繁切换同时保持一定的调度准确性至关重要，成为当前工业企业和产业园区亟待解决的技术难题。
技术实现思路
1、为了克服现有技术调度系统需要频繁地进行储存和补充模式的切换，这导致运维成本的上升，同时降低了设备的使用寿命的问题，本专利技术提出了基于aem的能源高效调度管理系统，用于解决上述问题。
2、本专利技术提供如下技术方案：
3、基于aem的能源高效调度管理系统，包括：
4、用电量获取模块，获取未来连续个时长为的时间段内的耗电量，组成耗电序列；
5、模型训练模块，用于获取历史上时长为的时间段内的气象数据和对应的发电量数据
6、发电量预测模块，用于获取未来连续个时长为的时间段内的气象数据，通过发电量预测模型，获得对应的个发电量，组成发电序列；
7、分析与处理模块，用于根据发电序列的发电量与耗电序列的耗电量作差，得到对应的第一调节序列，对第一调节序列进行波动性分析，若波动性分析结果为低波动，则将第一调节序列作为最终调节序列，若波动性分析结果为高波动，则对第一调节序列进行平稳处理得到最终调节序列；
8、调度模块，用于根据最终调节序列，在未来连续个时长为的时间段内，调度电量转换单元和电量补充单元。
9、优选的，所述气象数据通过气象系统获取，所述气象数据包括温度、风速、风向和太阳辐射强度；所述处理得到历史数据集包括：检测并过滤掉气象数据和发电量数据中的异常和重复数据，使用插值法填充数据中缺失值，得到历史数据集。
10、优选的，所述发电量预测模型的训练步骤包括：
11、将历史数据集划分训练集和验证集，提取历史数据集中气象数据的特征向量，作为输入向量，使用与气象数据对应的发电量数据作为发电量预测模型的输出；
12、应用神经网络算法建立发电量预测模型，初始化发电量预测模型的结构参数；
13、设定发电量预测模型的超参数，所述超参数包括批次大小、学习率和正则化参数；
14、使用训练集对发电量预测模型进行训练在训练过程中，通过前向传播计算模型的预测值，通过计算预测值与真实发电量数据之间的误差，计算损失函数，以最小化损失函数值为目标，利用反向传播算法更新模型的内部参数；
15、利用验证集对训练过程中的模型进行评估，若模型在验证集上的准确率达到预设的阈值，则完成对发电量预测模型的训练。
16、优选的，所述设定发电量预测模型的超参数的步骤包括：
17、定义一个网格空间，所述网格空间包括至少两组的超参数组合，每组超参数在预设的范围内变化；
18、对于每组超参数，利用这些超参数配置训练模型，并使用准确度评价模型的性能；
19、比较每组超参数对应的模型性能，选择出准确度最高的一组超参数，设定为模型的超参数。
20、优选的，所述波动性分析包括：
21、获取第一调节序列，设置一个计数变量并将值初始化为0；
22、遍历给定的数值序列，从序列的第二个元素开始，对于序列中的每个元素它与前一个元素的乘积；
23、对于每一个计算的乘积，判断其乘积的正负，如果乘积为负责将的值加1，同时记录元素在第一调节序列中的位置，得到变化位置数组；
24、预设波动范围，根据波动范围对进行判断；
25、若，则波动分析结果为低波动；若，则波动分析结果为高波动；
26、若，则进行分布分析，并获取分布分析结果；
27、若分布分析结果为均匀分布，则波动分析结果为低波动；
28、若分布分析结果为非均匀分布，则波动分析结果为高波动。
29、优选的，所述分布分析包括：
30、获取变化位置数组，计算间隔距离数组，所述间隔距离数组包括：起始距离，通过计算变化位置数组中第一个元素减1获得；终止距离，通过计算第一调节序列与变化位置数组最后一个元素的差获得；相邻距离，通过遍历变化位置数组的元素，按顺序计算每对相邻元素间的后一个元素减去前一个元素的差值获得；
31、计算分布率，所述分布率的计算公式如下：
32、，
33、式中，表示分布率，为间隔距离数组的标准差，为第一序列的元素数量，为变化位置数组的元素数量；
34、判断是否小于预设的分布律阈值；
35、若是，则分布分析结果为均匀分布，若否，则分布分析结果为非均匀分布。
36、优选的，所述平稳处理包括：
37、获取第一调节序列；
38、在第一调节序列中划分优化区段；
39、对于第一调节序列中的优化区段进行数值优化；
40、完成每个优化区段的数值优化后的第一调节序列为最终调节序列；
41、所述数值优化的步骤包括：
42、获取优化区段内的非正数的元素组成非正数组fz，获取优化区段内的正数的元素组成正数数组zs；
43、计算非正数重要性和正数重要性，计算公式如下：
44、，
45、式中，表示非正数重要性，表示正数重要性，表示数组的元素数，表示数组的元素数，表示数组中第个元素，表示数组的均值，表示数组中第个元素，表示数组的均值；
46、判断；
47、若是，则将优化区段内所有正数替换为；
48、若否，则将优化区段内所有非正数替换为。
49、优选的，所述在第一调节序列中划分优化区段包括：
50、创建一个滑动窗口，设置滑动窗口大小为、步长为；
51、将滑动窗口的初始位置设置在第一调节序列起始处，按步长在第一调节序列上滑动；
52、在滑动窗口逐步滑动的过程中，计算滑动窗口中的转折点数量；
53、根据滑动窗口中的转折点数量，对第一调节序列进行序列标记；
54、重复序列标记直至滑动窗口滑动至序列末尾，得到包含开始标记和结束标记的第一调节序列；
55、以第一调节序列本文档来自技高网...
【技术保护点】
1.基于AEM的能源高效调度管理系统，其特征在于，包括：
2.根据权利要求1所述的基于AEM的能源高效调度管理系统，其特征在于，所述气象数据通过气象系统获取，所述气象数据包括温度、风速、风向和太阳辐射强度；所述处理得到历史数据集包括：检测并过滤掉气象数据和发电量数据中的异常和重复数据，使用插值法填充数据中缺失值，得到历史数据集。
3.根据权利要求2所述的基于AEM的能源高效调度管理系统，其特征在于，所述发电量预测模型的训练步骤包括：
4.根据权利要求3所述的基于AEM的能源高效调度管理系统，其特征在于，所述设定发电量预测模型的超参数的步骤包括：
5.根据权利要求4所述的基于AEM的能源高效调度管理系统，其特征在于，所述波动性分析包括：
6.根据权利要求5所述的基于AEM的能源高效调度管理系统，其特征在于，所述分布分析包括：
7.根据权利要求6所述的基于AEM的能源高效调度管理系统，其特征在于，所述平稳处理包括：
8.根据权利要求7所述的基于AEM的能源高效调度管理系统，其特征在于，所述在第一调节序
9.根据权利要求8所述的基于AEM的能源高效调度管理系统，其特征在于，所述调度电量转换单元和电量补充单元包括：
10.根据权利要求9所述的基于AEM的能源高效调度管理系统，其特征在于，所述电量转换单元具体为电解氢设备，用于将输入的电量转换为氢气；所述电量补充单元具体为氢电池，用于将氢气转化为电力；
...【技术特征摘要】
1.基于aem的能源高效调度管理系统，其特征在于，包括：
2.根据权利要求1所述的基于aem的能源高效调度管理系统，其特征在于，所述气象数据通过气象系统获取，所述气象数据包括温度、风速、风向和太阳辐射强度；所述处理得到历史数据集包括：检测并过滤掉气象数据和发电量数据中的异常和重复数据，使用插值法填充数据中缺失值，得到历史数据集。
3.根据权利要求2所述的基于aem的能源高效调度管理系统，其特征在于，所述发电量预测模型的训练步骤包括：
4.根据权利要求3所述的基于aem的能源高效调度管理系统，其特征在于，所述设定发电量预测模型的超参数的步骤包括：
5.根据权利要求4所述的基于aem的能源高效调度管理系统，其特征在于，...
【专利技术属性】
技术研发人员：张宝春，贾力，曹炬，李思淼，
申请(专利权)人：深圳稳石氢能科技有限公司，
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。