【技术实现步骤摘要】
本专利技术涉及光伏功率控制，具体涉及一种适用于船用光伏发电系统的超前功率控制方法。
技术介绍
1、在当今绿色能源技术快速发展的时代，船用光伏发电系统作为船舶电力供应的重要组成部分，正日益受到广泛的关注和应用，然而，由于船舶运行环境的特殊性，如航行中的光照强度变化、温度波动、风速变化以及船舶自身的运动状态（如航速、航向、摇摆角度等），使得船用光伏发电系统的输出功率存在较大的不确定性，这种不确定性不仅影响船舶电力系统的稳定运行，还可能对船舶的航行安全和能效产生不利影响。
2、蓄电池作为光伏发电系统的储能设备，其充放电性能对系统的稳定运行也至关重要，然而，蓄电池的充放电响应时间通常比光伏波动的惯性时间长，导致蓄电池在补偿光伏并网波动功率时容易产生功率偏差，当光伏渗透率较大时，这种功率偏差会导致光伏并网系统能量堆积或不足，使直流母线电压处于动态波动状态，严重影响系统的稳定运行，为此，现提出一种适用于船用光伏发电系统的超前功率控制方法。
技术实现思路
1、本专利技术目的在于提供一种适用于船用光伏发电系统的超前功率控制方法，以解决上述
技术介绍
中提出的问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是：
3、一种适用于船用光伏发电系统的超前功率控制方法，包括以下步骤：
4、步骤一、收集船舶航行过程中的多维度数据，包括航速、航向、光照强度、温度、风速、船舶位置以及摇摆角度，并将多维度数据作为输入信息，用于后续的光伏功率预测，通过对这些数据进
5、步骤二、基于收集到的多维度数据，构建cnn-lstm-am（卷积神经网络-长短期记忆网络-注意力机制）的超短期光伏功率预测模型，其中，cnn用于提取数据的空间特征，lstm用于捕捉时间序列的长期依赖性，am用于增强模型对关键信息的关注度；
6、步骤三、利用构建好的超短期光伏功率预测模型，对船用光伏发电系统的后一秒功率进行预测，并将预测结果输入到能量管理系统中，结合蓄电池的荷电状态（soc），对光伏功率进行分配，确定最佳并网功率和蓄电池补偿功率；
7、步骤四、根据能量管理系统的功率分配结果，设定蓄电池的充放电策略；
8、步骤五、采用双环功率控制策略，对逆变器的功率输出进行精确控制；
9、步骤六、实时监控光伏发电功率、蓄电池soc以及直流母线电压的关键参数，根据监控数据，动态调整功率控制策略，以应对光伏发电功率的实时变化和系统需求。
10、本专利技术技术方案的进一步改进在于：所述步骤一中，多维度数据的收集过程为：
11、部署和校准船舶上的传感器和监测设备，全面收集船舶航行过程中的航速、航向、光照强度、温度、风速、船舶位置和摇摆角度的多维度数据，确保所有传感器和监测设备都经过校准，以保证数据的原始准确性；
12、对收集到的多维度数据进行数据清洗，检查数据集中的缺失值、异常值和错误数据，并进行处理，缺失值可通过插值方法补全，异常值和错误数据需进行删除或更正，识别并去除噪声数据；
13、对清洗后的数据进行整理，将收集到的数据按照时间序列进行排序，确保数据的时序性，并对数据进行分类和标记，将不同航速、航向的数据分别归类，确保每个数据点都包含时间戳和其他必要的元数据，以便于后续的分析和处理；
14、对整理后的数据进行标准化处理，统一数据的量纲和范围，以便于后续的数据分析和比较，聚合处理后的多维度数据，得到多维度船舶数据序列表，并存储在数据仓库中。
15、本专利技术技术方案的进一步改进在于：所述步骤二中，超短期光伏功率预测模型的构建过程为：
16、将经过清洗、整理和标准化处理后的多维度数据序列表作为输入信息的数据集，并将数据集划分为训练集和测试集，以确保模型的有效训练和验证；
17、设计cnn-lstm-am（卷积神经网络-长短期记忆网络-注意力机制）模型的架构，其中，cnn用于提取数据的空间特征，lstm用于捕捉时间序列的长期依赖性，am用于增强模型对关键信息的关注度；
18、接收多维度数据的输入，利用cnn（卷积神经网络）的卷积层中多个卷积核提取数据的空间特征，并在池化层对卷积层的输出进行下采样，减少数据的维度，同时保留重要特征，在全连接层将卷积和池化后的特征映射到固定大小的向量上，为后续的lstm层提供输入；
19、通过lstm（长短期记忆网络）的输入门控制输入信息的流入，利用遗忘门决定需被遗忘的信息，即从前一个时间步的状态中丢弃哪些信息，使用输出门基于当前时间步的输入和上一个时间步的隐藏状态，决定输出的信息，并利用细胞状态通过输入门、遗忘门和输出门的操作更新，在整个序列中传递信息，在lstm层中堆叠多个lstm单元，以捕捉时间序列数据中的长期依赖关系，如船舶航速、航向等航行状态对光伏发电功率的潜在影响；
20、引入am（注意力机制）动态调整不同输入特征对预测结果的贡献度，根据lstm层的输出，计算每个时间步的注意力得分，并根据注意力得分，对lstm层的输出进行加权求和，得到最终的上下文向量，将上下文向量与lstm层的最终输出结合，增强模型对关键信息的关注度；
21、使用训练集的相关数据对cnn-lstm-am模型进行训练，通过不断调整模型参数最小化预测误差，并在训练过程中，基于测试集的相关数据结合交叉验证方法评估模型的泛化能力，避免过拟合。
22、本专利技术技术方案的进一步改进在于：所述步骤三中，最佳并网功率和蓄电池补偿功率的确定过程为：
23、将当前时刻的多维度数据处理后输入到训练好的cnn-lstm-am模型中，进行超短期光伏功率预测，输出后一秒的光伏发电功率预测值；
24、将cnn-lstm-am模型预测得到的后一秒光伏发电功率预测值输入到能量管理系统中，作为光伏发电功率的预测值，并检查蓄电池当前的荷电状态（soc）；
25、以光伏并网功率最大波动率低于额定功率的10%为目标，结合光伏发电功率的预测值和蓄电池的荷电状态（soc），对光伏功率进行合理分配，计算出最佳并网功率和蓄电池补偿功率；
26、明确蓄电池充放电需求，当瞬间跌落时，蓄电池需使光伏逆变功率以额定功率10%的斜率放电，使光伏逆变功率平滑下降至0，当瞬间提升时，蓄电池需使光伏逆变功率以额定功率10%的斜率充电，使光伏逆变功率从0平滑升至最大功率值；
27、根据计算出的最佳并网功率和蓄电池补偿功率，能量管理系统生成相应的控制指令。
28、本专利技术技术方案的进一步改进在于：所述最佳并网功率的计算表达式为：
29、；
30、其中，为最佳并网功率，为光伏发电系统的额定功率，为光伏发电功率预测值，为光伏并网功率的最大允许波动率，，的取值范围为；
31、所述蓄电池补偿功率的计算表达式为：
32、；
33、其中，为本文档来自技高网...
【技术保护点】
1.一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤一中，多维度数据的收集过程为：
3.根据权利要求2所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤二中，超短期光伏功率预测模型的构建过程为：
4.根据权利要求3所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤三中，最佳并网功率和蓄电池补偿功率的确定过程为：
5.根据权利要求4所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述最佳并网功率的计算表达式为：
6.根据权利要求5所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤四中，蓄电池充放电策略的设定过程为：
7.根据权利要求6所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述充电功率的计算表达式为：
8.根据权利要求7所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于
9.根据权利要求8所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述调节输出电流的计算公式为：
10.根据权利要求9所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤六中，动态调整功率控制策略的过程为：
...【技术特征摘要】
1.一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤一中，多维度数据的收集过程为：
3.根据权利要求2所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤二中，超短期光伏功率预测模型的构建过程为：
4.根据权利要求3所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述步骤三中，最佳并网功率和蓄电池补偿功率的确定过程为：
5.根据权利要求4所述的一种适用于船用光伏发电系统的超前功率控制方法，其特征在于：所述最佳并网功率的计算表达式为：
6.根据权利...
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。