【技术实现步骤摘要】
本申请涉及微网系统，尤其涉及微网系统的电力控制方法、设备、系统及存储介质。
技术介绍
1、微网系统，也被称为微型电网或微电网，是一个结合了分布式电源、储能装置、能量变换装置、用户设备的小型发配电系统，其中，分布式电源包括多个不同类型的发电节点，例如风力发电节点、光伏发电节点、燃料电池等可再生能源发电节点，这些节点为微网系统提供主要的电能供应。相关技术中，若微网系统的电力盈余，将盈余的电力以低廉的价格并网传送至市电，由于盈余的电力并网过程中存在线路传输损耗，造成电力浪费。
技术实现思路
1、本申请的主要目的在于提供一种微网系统的电力控制方法、设备、系统及存储介质，旨在解决盈余的电力并网过程中，由于线路传输损耗所造成的电力浪费的问题。
2、为实现上述目的，本申请提出一种微网系统的电力控制方法，所述方法包括：
3、获取所述微网系统在历史发电时段内的电力负荷数据，根据所述电力负荷数据确定所述微网系统的电力状态；
4、在所述电力状态为电力盈余状态时，基于大语言模型、所述电力负荷数据和所述历史发电时段的气象数据生成电力负荷描述文本；
5、基于电力负荷预测模型和所述电力负荷描述文本，预测所述微网系统的目标电力负荷预测结果；
6、根据所述目标电力负荷预测结果和目标气象数据确定电力调度方案，并基于所述电力调度方案调度对应的发电节点运行，以达到电力平衡状态。
7、在一实施例中，所述电力负荷数据包括负荷值，所述基于大语言模型、所述电
8、将所述负荷值和所述气象数据输入所述大语言模型，对所述负荷值和所述气象数据分别进行特征提取，得到负荷值特征和气象数据特征；
9、根据所述负荷值特征、所述气象数据特征和各个预设提示模板的相似度，确定所述负荷值特征和气象数据特征关联的目标提示模板；
10、将所述负荷值特征、所述气象数据特征嵌入所述目标提示模板，得到所述电力负荷描述文本。
11、在一实施例中，所述电力负荷预测模型包括时间序列模型和神经网络模型，所述基于电力负荷预测模型和所述电力负荷描述文本，预测所述微网系统的目标电力负荷预测结果的步骤包括：
12、对所述电力负荷描述文本进行特征提取，得到所述微网系统的电力负荷影响特征；
13、确定所述时间序列模型基于所述电力负荷影响特征的第一预测结果，以及，确定所述神经网络模型基于所述电力负荷影响特征的第二预测结果；
14、根据所述第一预测结果和所述第二预测结果，确定所述微网系统的目标电力负荷预测结果。
15、在一实施例中，所述根据所述第一预测结果和所述第二预测结果，确定所述微网系统的目标电力负荷预测结果包括：
16、获取所述时间序列模型的权重和所述神经网络模型的权重；
17、根据所述第一预测结果和所述时间序列模型的权重的乘积，以及，根据所述第二预测结果和所述神经网络模型的权重的乘积之和，确定所述微网系统的目标电力负荷预测结果。
18、在一实施例中，所述获取所述时间序列模型的权重和所述神经网络模型的权重的步骤之前，还包括：
19、获取历史电力负荷数据样本；
20、基于所述时间序列模型对应的训练数据长度将所述历史电力负荷数据样本划分为第一训练数据集和第一测试数据集，基于所述第一训练数据集训练初始时间序列模型，并基于所述第一测试数据集测试所述初始时间序列模型，得到所述时间序列模型的权重；以及，
21、基于所述神经网络模型对应的训练数据长度将所述历史电力负荷数据样本划分为第二训练数据集和第二测试数据集，基于所述第二训练数据集训练初始神经网络模型，并基于所述第二测试数据集测试所述初始神经网络模型，得到所述神经网络模型的权重。
22、在一实施例中，所述目标电力负荷预测结果包括目标净负荷，所述根据所述目标电力负荷预测结果和目标气象数据确定电力调度方案，并基于所述电力调度方案调度对应的发电节点运行包括：
23、根据目标气象数据、所述目标净负荷，以及预设气象数据、预设负荷值和预设调度方案之间的对应关系，确定所述电力调度方案；
24、根据所述电力调度方案，确定各个发电节点的发电量，并根据各个发电节点的发电量确定各个发电节点的发电功率；
25、控制各个所述发电节点按照对应的发电功率运行。
26、在一实施例中，所述微网系统包括多个发电节点和多个用电节点，所述获取所述微网系统在历史发电时段内的电力负荷数据，根据所述电力负荷数据确定所述微网系统的电力状态的步骤包括：
27、根据历史发电时段内所述微网系统的各个发电节点的发电量确定总发电量，以及，根据历史发电时段内所述微网系统的各个用电节点的用电量确定总用电量；
28、根据所述总用电量和所述总发电量，确定所述微网系统在所述历史发电时段内的净负荷，其中，所述电力负荷数据还包括所述净负荷；
29、当所述净负荷小于预设值时，确定所述电力状态为电力盈余状态。
30、此外，为实现上述目的，本申请还提出一种微网系统的电力控制设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的微网系统的电力控制方法的步骤。
31、此外，为实现上述目的，本申请还提出了一种微网系统，所述微网系统包括多个发电节点、多个用电节点以及微网系统的电力控制设备，各个所述发电节点和各个所述用电节点均与所述微网系统的电力控制设备连接。
32、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的微网系统的电力控制方法的步骤。
33、相比于相关技术，本申请获取所述微网系统在历史发电时段内的电力负荷数据，根据所述电力负荷数据确定所述微网系统的电力状态；在所述电力状态为电力盈余状态时，基于大语言模型、所述电力负荷数据和所述历史发电时段的气象数据生成电力负荷描述文本；基于电力负荷预测模型和所述电力负荷描述文本，预测所述微网系统的目标电力负荷预测结果；根据所述目标电力负荷预测结果和目标气象数据确定电力调度方案，并基于所述电力调度方案调度对应的发电节点运行，以达到电力平衡状态。由于能够在检测到电力盈余时，对未来电力负荷进行预测并制定电力调度方案，通过执行该电力调度方案从根源上进行电力控制，以实现电力平衡，从而无需将盈余的电力并网，避免出现线路传输损耗所造成的电力浪费。且通过将大语言模型的电力负荷描述文本与电力负荷预测模型相结合，可以充分利用各自的优势，提高目标电力负荷预测结果的准确性和可靠性。
本文档来自技高网...【技术保护点】
1.一种微网系统的电力控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述电力负荷数据包括负荷值，所述基于大语言模型、所述电力负荷数据和所述历史发电时段的气象数据生成电力负荷描述文本包括：
3.如权利要求1或2所述的方法，其特征在于，所述电力负荷预测模型包括时间序列模型和神经网络模型，所述基于电力负荷预测模型和所述电力负荷描述文本，预测所述微网系统的目标电力负荷预测结果的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一预测结果和所述第二预测结果，确定所述微网系统的目标电力负荷预测结果包括：
5.如权利要求4所述的方法，其特征在于，所述获取所述时间序列模型的权重和所述神经网络模型的权重的步骤之前，还包括：
6.如权利要求3所述的方法，其特征在于，所述目标电力负荷预测结果包括目标净负荷，所述根据所述目标电力负荷预测结果和目标气象数据确定电力调度方案，并基于所述电力调度方案调度对应的发电节点运行包括：
7.如权利要求1所述的方法，其特征在于，所述微网系统包括多个发电
8.一种微网系统的电力控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至7中任一项所述的微网系统的电力控制方法的步骤。
9.一种微网系统，其特征在于，所述微网系统包括多个发电节点、多个用电节点以及如权利要求8所述的微网系统的电力控制设备，各个所述发电节点和各个所述用电节点均与所述微网系统的电力控制设备连接。
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的微网系统的电力控制方法的步骤。
...【技术特征摘要】
1.一种微网系统的电力控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述电力负荷数据包括负荷值，所述基于大语言模型、所述电力负荷数据和所述历史发电时段的气象数据生成电力负荷描述文本包括：
3.如权利要求1或2所述的方法，其特征在于，所述电力负荷预测模型包括时间序列模型和神经网络模型，所述基于电力负荷预测模型和所述电力负荷描述文本，预测所述微网系统的目标电力负荷预测结果的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一预测结果和所述第二预测结果，确定所述微网系统的目标电力负荷预测结果包括：
5.如权利要求4所述的方法，其特征在于，所述获取所述时间序列模型的权重和所述神经网络模型的权重的步骤之前，还包括：
6.如权利要求3所述的方法，其特征在于，所述目标电力负荷预测结果包括目标净负荷，所述根据所述目标电力负荷预测结果和目标气象数据确定电力调度方案，并基于所述电...
【专利技术属性】
技术研发人员：刘文军，郑夏星，汪龙忠，郑霆锋，
申请(专利权)人：广州市哲明惠科技有限责任公司，
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。