【技術實現(xiàn)步驟摘要】
本專利技術涉及光伏領域，特別涉及一種基于充電行為的光伏發(fā)電消納預測方法、系統(tǒng)及介質。
技術介紹
1、隨著建站規(guī)模的擴大，如何運營站點是一項值得所有人考慮的問題。而如何將光伏產(chǎn)生的電流盡可能多的通過充電樁消納而非上網(wǎng)，也成為了光伏站運營中亟需解決的問題。
技術實現(xiàn)思路
1、針對現(xiàn)有技術中存在的問題，提供了一種基于充電行為的光伏發(fā)電消納預測方法、系統(tǒng)及介質，用于解決光伏站運營過程中發(fā)電消納問題。
2、本專利技術第一方面提出了一種基于充電行為的光伏發(fā)電消納預測方法，包括：
3、收集所有用戶充電行為數(shù)據(jù)，對用戶充電行為數(shù)據(jù)進行分析建模，形成用戶充電行為模板；
4、利用用戶充電行為模板分別獲取規(guī)律用戶和非規(guī)律用戶的充電預測量，再結合規(guī)律用戶和非規(guī)律用戶的消納波動系數(shù)構建消納預測模型；
5、計算實際充電量與預測量的預測偏差；
6、隨時間推移，根據(jù)實際充電量與預測偏差進行回歸學習，不斷調整規(guī)律用戶和非規(guī)律用戶的消納波動系數(shù)，形成最終的消納預測模型；
7、通過最終的消納預測模型，完成光伏站的消納量的預測。
8、本專利技術的一個實施例中，用戶充電行為模板包括用戶的充電站點、充電時間以及充電量。通過分析用戶數(shù)據(jù)中的充電站點、充電時間以及充電量信息，可以獲取用戶的充電規(guī)律信息。
9、本專利技術的一個實施例中，規(guī)律用戶的充電預測量獲取過程：基于用戶充電行為模板獲取用戶的歷史充電時間以及充電量，并建立充電時間與充
10、本專利技術的一個實施例中，所述非規(guī)律用戶的充電預測量獲取過程：
11、基于用戶充電行為模板獲取用戶的歷史充電時間以及充電量，并建立充電時間與充電量的曲線圖；通過曲線圖判斷為非規(guī)律用戶后，根據(jù)待預測日期的影響因素，獲取包含相應影響因素的歷史消納量以及日期，進而形成線性曲線，對曲線進行線性回歸延展，即可完成待預測日期的非規(guī)律用戶消納電量預測。
12、通過充電行為區(qū)分為規(guī)律和非規(guī)律兩類用戶，分別采用不同的方式進行消納量預測，可以進一步確保總消納量的預測準確性。
13、本專利技術的一個實施例中，所述影響因素包括環(huán)境因素與可控因素。通過引入環(huán)境因素與可控因素進行非規(guī)律用戶的消納量預測，使得預測更符合實際情況。
14、本專利技術的一個實施例中，所述計算實際充電量與預測量的預測偏差，具體包括：獲取預測時間點的規(guī)律用戶和非規(guī)律用戶的實際充電量；分別計算規(guī)律用戶的實際充電量與預測充電量的偏差，以及計算非規(guī)律用戶的實際充電量與預測充電量的偏差，用于后續(xù)回歸學習。通過回歸學習預測量與實際充電量的偏差，可以進一步修正模型參數(shù)，進而提升后續(xù)預測的準確性。
15、本專利技術的一個實施例中，在每個月月初，按照月維度形成一組上月規(guī)律用戶的消納波動系數(shù)、非規(guī)律用戶的消納波動系數(shù)的離散型系數(shù)點值，最終通過線性回歸的方式形成后續(xù)規(guī)律用戶和非規(guī)律用戶的消納波動系數(shù)作為當月的消納波動系數(shù)。通過在月維度下再次對參數(shù)進行全局的維護修正，以免造成波動系數(shù)的錯誤偏移。
16、本專利技術第二方面提出了一種系統(tǒng)，包括存儲器和處理器，所述存儲器上存儲有能夠被處理器加載并執(zhí)行如第一方面所述基于充電行為的光伏發(fā)電消納預測方法對應的計算機程序。
17、本專利技術第三方面提出了一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述程序指令被處理器執(zhí)行時用于實現(xiàn)第一方面所述的基于充電行為的光伏發(fā)電消納預測方法對應的過程。
18、與現(xiàn)有技術相比，采用上述技術方案的有益效果為：本專利技術基于對用戶充電行為的分析，可以預測得到未來用戶的光伏消納量，進而得到站點的光伏消納情況，為后續(xù)站點運營提供數(shù)據(jù)支持。同時可以為用戶光伏發(fā)電量儲能的調節(jié)提供數(shù)據(jù)支持。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種基于充電行為的光伏發(fā)電消納預測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，所述用戶充電行為模板包括用戶的充電站點、充電時間以及充電量。
3.根據(jù)權利要求2所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，所述規(guī)律用戶的充電預測量獲取過程：
4.根據(jù)權利要求2所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，所述非規(guī)律用戶的充電預測量獲取過程：
5.根據(jù)權利要求4所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，所述影響因素包括環(huán)境因素與可控因素。
6.根據(jù)權利要求1所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，所述計算實際充電量與預測量的預測偏差，具體包括：
7.根據(jù)權利要求1所述的基于充電行為的光伏發(fā)電消納預測方法，其特征在于，在每個月月初，按照月維度形成一組上月規(guī)律用戶的消納波動系數(shù)、非規(guī)律用戶的消納波動系數(shù)的離散型系數(shù)點值，最終通過線性回歸的方式形成后續(xù)規(guī)律用戶和非規(guī)律用戶的消納波動系數(shù)作為當月的消納波動系數(shù)。
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。