【技術實現步驟摘要】
本專利技術涉及一種光伏發電量控制方法、可讀存儲介質和設備，屬于光伏發電。
技術介紹
1、目前工廠屋面光伏發電系統面臨包括電網波動、沖擊以及與生產環境的不兼容性問題，這些問題不僅影響電力供應的穩定性，還可能對高精密設備的運行造成干擾，導致生產效率下降和產品質量問題；例如，電網的波動可能導致電壓不穩定，影響精密設備的精確控制；而光伏發電系統的不穩定性則可能導致電力供應中斷，影響生產線的連續作業。
技術實現思路
1、本專利技術的目的在于克服現有技術中的不足，提供一種光伏發電量控制方法、可讀存儲介質和設備，能夠基于發電設備的實時發電量對目標時間節點的發電量進行精準預測，有利于工廠結合生產情況對發電量進行合理分配，確保發電設備及相關并網系統的穩定性，解決了當前工廠屋面光伏發電系統易出現電網波動導致電力供應中斷的問題。
2、為達到上述目的/為解決上述技術問題，本專利技術是采用下述技術方案實現的：
3、本專利技術一方面提供了一種光伏發電量控制方法，包括：
4、獲取發電設備實時發電量；
5、將發電設備的實時發電量輸入預先訓練好的發電量預測模型，確定發電設備在目標時間節點的預測發電量；
6、根據預先獲取的用電設備在目標時間節點的用電特征，確定在目標時間節點影響用電設負載消納的影響因子；
7、將影響因子輸入預先構建的負載消納量預測模型中，確定在目標時間節點的預測負載消納；
8、基于在目標時間節點的預測發電量和預測負載消
9、根據發電量誤差控制發電設備的輸出功率，調節發電量。
10、進一步地，所述預先訓練好的發電量預測模型的訓練，包括：
11、獲取按時間順序排列的光伏發電時間序列數據；
12、根據光伏發電時間序列數據，確定模型自回歸項階數和移動平均項階數；
13、基于模型自回歸項階數和移動平均項階數，構建目標發電量預測模型；
14、采用預處理的歷史光伏發電量數據集訓練目標發電量預測模型，確定目標發電量預測模型的最優模型參數，得到訓練好的發電量預測模型。
15、更進一步地，所述根據光伏發電時間序列數據，確定模型自回歸項階數和移動平均項階數，包括：
16、對光伏發電時間序列數據進行adf檢驗；
17、若光伏發電時間序列數據穩定，則基于穩定的光伏發電時間序列數據，繪制自相關函數圖和偏自相關函數圖；
18、根據自相關函數圖和偏自相關函數圖，確定模型自回歸項階數和移動平均項階數。
19、更進一步地，對光伏發電時間序列數據進行adf檢驗，若光伏發電時間序列數據不平穩，則對光伏發電時間序列數據進差分處理，得到穩定的光伏發電時間序列數據。
20、更進一步地，所述基于模型自回歸項階數和移動平均項階數，構建目標發電量預測模型，包括：
21、所述目標發電量預測模型由下式表示：
22、；
23、其中：表示在時間節點 t的發電量，表示在時間節點的發電量， p表示自回歸項，表示第 i個自回歸參數，表示白噪聲誤差項， q表示移動平均項，表示第 j個移動平均參數， c表示常數。
24、更進一步地，所述采用預處理的歷史光伏發電量數據集訓練目標發電量預測模型，確定目標發電量預測模型的最優模型參數，得到訓練好的發電量預測模型，包括:
25、根據損失函數在預設的訓練輪次內調整目標發電量預測模型的自回歸參數和移動平均參數，直到函數損失值滿足閾值，得到最優自回歸參數和移動平均參數；
26、損失函數由下式表示：
27、；
28、其中：表示損失值，表示從歷史光伏發電量數據集中選取的樣本數量，表示在時間節點 t的實際光伏發電量，表示在時間節點 t的預測發電量；
29、基于最優自回歸參數和移動平均參數，得到訓練好的發電量預測模型。
30、進一步地，所述用電特征包括歷史用電量、用電峰值時段和天氣條件。
31、更進一步地，所述預先構建的負載消納量預測模型，包括：
32、所述負載消納量預測模型由下式表示：
33、；
34、其中：表示用電設備在目標時間節點 t的負載消納量，表示在目標時間節點 t第 k個影響用電設負載消納的影響因子，表示在目標時間節點 t影響因子的數量，表示回歸系數，表示截距項，表示消納誤差。
35、本專利技術另一方面提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時，實現如上述的光伏發電量控制方法。
36、本專利技術還提供了一種計算機設備，包括：
37、存儲器，用于存儲指令；
38、處理器，用于執行所述指令，使得所述設備執行實現如上述的光伏發電量控制方法。
39、與現有技術相比，本專利技術所達到的有益效果：
40、1、本專利技術基于發電設備的實時發電量，采用預選訓練好的發電量預測模型精準預測發電設備在目標時間節點的發電量，并確定在目標時間節點影響用電設負載消納的影響因子，將影響因子輸入預先構建的負載消納量預測模型得到在目標時間節點的預測負載消納，通過目標時間節點的預測發電量和預測負載消納可得到在目標時間節點的發電量誤差，最終通過發電量誤差控制發電設備的輸出功率，調節發電量，有利于工廠結合生產情況對發電量進行合理分配，確保發電設備及相關并網系統的穩定性，解決了當前工廠屋面光伏發電系統易出現電網波動導致電力供應中斷的問題。
41、2、本專利技術根據按時間順序排列的光伏發電時間序列數據，確定模型自回歸項階數和移動平均項階數，基于模型自回歸項階數和移動平均項階數，構建目標發電量預測模型，只需光伏發電時間序列數據間的內生變量而不需要借助其他外生變量，降低了模型的復雜度和計算量。
本文檔來自技高網...【技術保護點】
1.一種光伏發電量控制方法，其特征在于，包括：
2.根據權利要求1所述的光伏發電量控制方法，其特征在于，所述預先訓練好的發電量預測模型的訓練，包括：
3.根據權利要求2所述的光伏發電量控制方法，其特征在于，所述根據光伏發電時間序列數據，確定模型自回歸項階數和移動平均項階數，包括：
4.根據權利要求3所述的光伏發電量控制方法，其特征在于，對光伏發電時間序列數據進行ADF檢驗，若光伏發電時間序列數據不平穩，則對光伏發電時間序列數據進差分處理，得到穩定的光伏發電時間序列數據。
5.根據權利要求2所述的光伏發電量控制方法，其特征在于，所述基于模型自回歸項階數和移動平均項階數，構建目標發電量預測模型，包括：
6.根據權利要求5所述的光伏發電量控制方法，其特征在于，所述采用預處理的歷史光伏發電量數據集訓練目標發電量預測模型，確定目標發電量預測模型的最優模型參數，得到訓練好的發電量預測模型，包括:
7.根據權利要求1所述的光伏發電量控制方法，其特征在于，所述用電特征包括歷史用電量、用電峰值時段和天氣條件。
8.
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時，實現如權利要求1至8中任一項所述的光伏發電量控制方法。
10.一種計算機設備，其特征在于，包括：
...【技術特征摘要】
1.一種光伏發電量控制方法，其特征在于，包括：
2.根據權利要求1所述的光伏發電量控制方法，其特征在于，所述預先訓練好的發電量預測模型的訓練，包括：
3.根據權利要求2所述的光伏發電量控制方法，其特征在于，所述根據光伏發電時間序列數據，確定模型自回歸項階數和移動平均項階數，包括：
4.根據權利要求3所述的光伏發電量控制方法，其特征在于，對光伏發電時間序列數據進行adf檢驗，若光伏發電時間序列數據不平穩，則對光伏發電時間序列數據進差分處理，得到穩定的光伏發電時間序列數據。
5.根據權利要求2所述的光伏發電量控制方法，其特征在于，所述基于模型自回歸項階數和移動平均項階數，構建目標發電量預測模型，包括...
【專利技術屬性】
技術研發人員：何寅，李鈺靚，朱敏杰，陳烈鋼，
申請(專利權)人：浙江中煙工業有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。