CN115333100B - 屋顶光伏发电功率协同控制方法及系统 - Google Patents

屋顶光伏发电功率协同控制方法及系统 Download PDF

Info

Publication number
CN115333100B
CN115333100B CN202211244830.XA CN202211244830A CN115333100B CN 115333100 B CN115333100 B CN 115333100B CN 202211244830 A CN202211244830 A CN 202211244830A CN 115333100 B CN115333100 B CN 115333100B
Authority
CN
China
Prior art keywords
sequence
power generation
time period
electricity consumption
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211244830.XA
Other languages
English (en)
Other versions
CN115333100A (zh
Inventor
李强
赵峰
宋卫平
张捷
唐冬来
佘文魁
刘秋辉
杨俏
黄璞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Zhongdian Aostar Information Technologies Co ltd
State Grid Information and Telecommunication Co Ltd
Original Assignee
Sichuan Zhongdian Aostar Information Technologies Co ltd
State Grid Information and Telecommunication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Zhongdian Aostar Information Technologies Co ltd, State Grid Information and Telecommunication Co Ltd filed Critical Sichuan Zhongdian Aostar Information Technologies Co ltd
Priority to CN202211244830.XA priority Critical patent/CN115333100B/zh
Publication of CN115333100A publication Critical patent/CN115333100A/zh
Application granted granted Critical
Publication of CN115333100B publication Critical patent/CN115333100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种屋顶光伏发电功率协同控制方法及系统，通过预测各光伏发电区域的发电量预测结果及用电量预测结果，并结合在各光伏发电区域进行电量调度的电量调度损耗参数确定对应的调度控制策略，然后根据对应的调度控制策略各光伏发电区域对应的联络控制开关，从而使联络控制开关根据调度控制策略控制各光伏发电区域在目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。如此，可以较为准确地确定各个光伏发电区域的发电/用电量，从而在各个光伏区间之间实现跨区域的电量协同调度，能够有效提高屋顶光伏发电功率的消纳比例，提高光伏发电的利用率。

Description

屋顶光伏发电功率协同控制方法及系统
技术领域
本发明涉及清洁能源技术领域，具体而言，涉及一种屋顶光伏发电功率协同控制方法及系统。
背景技术
随着社会环保意识的提高，节能减排成为各行各业均需要关注的目标。光伏发电作为一种无污染的清洁发电方案，在最近得到迅速地推广和发展。其中，屋顶光伏发电技术开始越来越多地应用。屋顶光伏发电是利用用户建筑的屋顶布置光伏发电设备进行发电，运行方式以用户侧自发自用、多余电量上网，且在配电系统平衡调节为特征的光伏发电设施。屋顶光伏发电是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。但是，屋顶光伏发电受局部天气影响较大，发电量的波动会直接影响发电功率消纳策略，如何提高屋顶光伏发电的功率消纳比例，有效提高光伏发电利用率成为了亟待解决的问题。
发明内容
为了克服现有技术中的不足之一，本发明的目的在于提供一种屋顶光伏发电功率协同控制方法，所述方法包括：
获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录；
将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果；
将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果；
根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量；
根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数；
根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略；
将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关，使所述联络控制开关根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。
在一种可能的实现方式中，所述将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果的步骤，包括：
通过所述第一预测网络的第一特征提取模型对所述天气历史记录进行特征提取，得到天气变化特征序列；
通过所述第一预测网络的第二特征提取模型对所述发电量历史记录进行特征提取，得到发电量变化特征序列；
通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列；
通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列；
根据所述第二中间特征序列确定发电量预测特征；
通过所述第一预测网络的发电量预测模块根据所述发电量预测特征确定所述光伏发电区域在所述目标时间段的发电量预测结果。
在一种可能的实现方式中，所述通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列的步骤，包括：
按照时序将所述天气变化特征序列拆分为多个天气变化特征片段；
对每个天气变化特征片段进行均值池化，得到多个天气片段池化特征，所述多个天气片段池化特征构成中间天气变化特征序列；
按照时序将所述发电量变化特征序列拆分为多个发电量特征片段；
对每个发电量特征片段进行均值池化，得到多个发电量片段池化特征，所述多个发电量片段池化特征构成中间发电量变化特征序列；
获取预设的训练调整特征；
将所述训练调整特征、所述中间天气变化特征序列以及所述中间发电量变化特征序列进行特征融合，得到第一中间特征序列；
所述通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列的步骤，包括：
将所述第一中间特征序列映射到查询特征向量、键特征向量以及值特征向量的空间中，得到查询特征向量序列、键特征向量序列以及值特征向量序列，并计算所述查询特征向量序列与所述键特征向量序列的相关度矩阵；
确定所述第一中间特征序列中与所述训练调整特征对应的训练调整相关特征、与所述中间天气变化特征序列对应的天气相关特征序列以及与所述中间发电量变化特征序列对应的发电量相关特征序列；
确定所述训练调整相关特征与所述第一中间特征序列中每个特征的第一特征交互计算结果，所述天气相关特征序列中每个特征与所述发电量相关特征序列中每个特征之间的第二特征交互计算结果；
根据所述第一特征交互计算结果、所述第二特征交互计算结果以及所述相关度矩阵计算相关度权重矩阵；
基于所述相关度权重矩阵对所述值特征向量序列进行加权处理，得到第二中间特征序列。
在一种可能的实现方式中，所述根据所述第二中间特征序列确定发电量预测特征的步骤，包括：
从所述第二中间特征序列中提取出所述训练调整特征对应的融合训练调整相关特征；
采用第一残差和归一化模块对所述融合训练调整相关特征进行处理，得到第一处理特征；
采用前馈神经网络模块对所述第一处理特征进行处理，得到第二处理特征；
采用第二残差和归一化模块对所述第二处理特征进行处理，得到所述发电量预测特征。
在一种可能的实现方式中，所述将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果的步骤，包括：
从所述用电量历史记录获取分时用电量特征序列；所述分时用电量特征序列包括在第N个时间段之前的M个时间段的分时用电量特征数据；其中，所述第N个时间段为所述目标时间段；
从所述用电量历史记录获取每日用电量数据记录序列；所述每日用电量数据记录序列包括在所述第N个时间段之前的所述M个时间段的每日用电量数据；
对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列；
根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据。
在一种可能的实现方式中，所述根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据，包括：
根据所述分时用电量特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据；
根据所述各月用电量记录序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据；
根据所述非工作日用电量记录序列对所述第N个时间段进行非工作日用电量预测，得到所述第N个时间段的非工作日用电量预测数据；
根据所述第N个时间段的用电量趋势预测数据、所述第N个时间段的各月用电量预测数据和所述第N个时间段的非工作日用电量预测数据，确定所述第N个时间段的每日用电量数据；
所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据；所述根据所述分时用电量特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据，包括：
在所述分时用电量特征序列中确定待处理特征序列，所述待处理特征序列包括所述分时用电量特征序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的分时用电量特征数据；
调用第二预测网络根据所述待处理特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据；
所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据；所述根据所述各月用电量记录序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据，包括：
在所述各月用电量记录序列中确定每月用电数据序列，所述每月用电数据序列包括所述各月用电量记录序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的各月用电量预测数据；
调用目标各月用电量预测模型根据所述每月用电数据序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据；
所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据，所述根据所述非工作日用电量记录序列对所述第N个时间段进行非工作日用电量预测，得到所述第N个时间段的非工作日用电量预测数据，包括：
调用非工作日用电量预测模型获取所述M个时间段中每个时间段的非工作日用电量预测数据对应的非工作日用电量序列，非工作日用电量序列包括对应时间段下的K个非工作日的用电量数据，K为正整数；
确定所述K个非工作日中每个非工作日的用电量预测数据，所述K个非工作日中的第i个非工作日的用电量预测数据是所述M个时间段中每个时间段下的第i个非工作日的用电量数据的平均值，i为小于或等于K的正整数；
根据所述K个非工作日中每个非工作日的用电量预测数据，确定所述第N个时间段的非工作日用电量预测数据。
在一种可能的实现方式中，所述对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列的步骤，包括：
对所述每日用电量数据记录序列进行滑动平均处理，得到所述用电量趋势变化序列，所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据；
根据所述每日用电量数据记录序列和所述用电量趋势变化序列，确定去用电量趋势变化序列；所述去用电量趋势变化序列包括所述M个时间段中每个时间段的去用电量趋势预测数据，任一个时间段的去用电量趋势预测数据是根据对应时间段的每日用电量数据和对应时间段的用电量趋势预测数据确定的；
以周为单位对所述去用电量趋势变化序列进行平均处理，得到所述各月用电量记录序列，所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据；
根据所述每日用电量数据记录序列、所述用电量趋势变化序列和所述各月用电量记录序列，确定中间处理数据序列；所述中间处理数据序列包括所述M个时间段中每个时间段的中间用电量计算数据，任一个时间段的中间用电量计算数据是根据对应时间段的每日用电量数据、对应时间段的用电量趋势预测数据和对应时间段的各月用电量预测数据确定的；
对非工作日的所述中间处理数据序列进行平均处理，得到所述非工作日用电量记录序列，所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据。
在一种可能的实现方式中，所述根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数的步骤，包括：
根据各所述光伏发电区域的位置标识确定，确定各所述光伏发电区域之间的输电距离；
根据所述输电距离确定各所述光伏发电区域之间的输电电量损耗百分比作为所述电量调度损耗参数。
在一种可能的实现方式中，所述根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略的步骤，包括：
根据各所述光伏发电区域的协同供电调度电量指示的可输出电量或需获取电量，以及各所述光伏发电区域之间的电量调度损耗参数，确定各所述光伏发电区域对应的联络控制开关的开合时间，获得所述调度控制策略。
本发明的另一目的在于提供一种屋顶光伏发电功率协同控制系统，所述屋顶光伏发电功率协同控制系统包括：
获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录；
将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果；
将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果；
根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量；
根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数；
根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略；
将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关，使所述联络控制开关根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。
相对于现有技术而言，本发明具有以下有益效果：
本发明实施例提供的屋顶光伏发电功率协同控制方法及系统，通过根据多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录预测各光伏发电区域的发电量预测结果及用电量预测结果，并结合在各光伏发电区域进行电量调度的电量调度损耗参数确定对应的调度控制策略，然后根据对应的调度控制策略各光伏发电区域对应的联络控制开关，从而使联络控制开关根据调度控制策略控制各光伏发电区域在目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。如此，可以较为准确地确定各个光伏发电区域的发电/用电量，从而在各个光伏区间之间实现跨区域的电量协同调度，能够有效提高屋顶光伏发电功率的消纳比例，提高光伏发电的利用率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的屋顶光伏发电功率协同控制系统的示意图；
图2为本发明实施例提供的屋顶光伏发电功率协同控制方法的步骤流程示意图；
图3为本发明实施例提供的调度控制设备的功能模块示意图；
图4为本发明实施例提供的电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
首先，请参照图1，图1为本实施例提供的一种屋顶光伏发电功率协同控制系统的示意图，所述屋顶光伏发电功率协同控制系统包括调度控制设备及多个联络控制开关。所述调度控制设备可以获得各所述光伏发电区域的发电量历史记录及用电量历史记录。例如，所述调度控制设备可以分别与各光伏发电区域的光伏发电设备通信连接，从而获得整个所述光伏发电区域的发电量、用电量等信息并进行记录。或者，所述调度控制设备可以从其他设备获得各所述光伏发电区域的发电量历史记录及用电量历史记录。
所述调度控制设备还可以与各所述联络控制开关通信连接，从而向各所述联络控制开关下发调度控制策略，以控制各所述联络控制开关的开合。各所述光伏发电区域可以通过所述联络控制开关之间的输电线缆组成电联调度网络，通过所述联络控制开关可以控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。
请参见图2，图2为本实施例提供的一种应用于图1所示调度控制设备的屋顶光伏发电功率协同控制方法，下面对本实施例提供的方法进行详细阐述。
步骤A1，获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录。
在本实施例中，所述目标时间段可以为需要预测的时间段，例如，可以为未来最近一天。
所述光伏发电区域的位置标识包括用于表征各所述光伏发电区域之间的相对位置关系的标识，其中，各所述光伏发电区域之间的相对位置可以反映各所述光伏发电区域之间进行跨区域电量输送的损耗。
所述发电量历史记录可以包括在所述目标时间段之间的多个历史时间段的发电量组成的序列。
所述天气历史记录可以包括在所述目标时间段之间的多个历史时间段的天气记录组成的序列。其中，所述天气历史记录可以包括多个天气记录项，所述天气记录项可以包括温度、湿度、大气压、日照强度、风向、风力、降雨量等。
所述用电量历史记录可以包括在所述目标时间段之间的多个历史时间段的用电量组成的序列。
所述储电量历史记录可以包括所述目标时间段的起点及所述目标时间段之间的多个历史时间段的光伏发电储点设备的储电量组成的序列。
步骤A2，将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果。
由于屋顶光伏发电的发电量通常受到局部天气变化的影响较大，因此，在本实施例中，所述第一预测网络可以为基于机器学习的预测模型，所述第一预测网络可以根据所述光伏发电区域的天气、历史发电量等进行预测，确定所述光伏发电区域的发电量预测结果。
步骤A3，将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果。
由于用户用电量的变化通常与时间变化相关，因此，在本实施例中，所述第二预测网络可以为基于机器学习的预测模型，所述第二预测网络可以根据基于时序的用电量历史记录预测光伏发电区域的用电量预测结果。
步骤A4，根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量。
在本实施例中，由于屋顶光伏发电量易受到天气影响，因此，某些光伏发电区域的发电量可能大于其所需的用电量，而某些光伏发电区域的发电量可能小于其所需的用电量。发电量富余的光伏发电区域可以将富余的发电量进行存储或供给给其他光伏发电区域，发电量不足的光伏发电区域则需要从其他光伏发电区域获取电量。因此，可以根据所述光伏发电区域的所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，计算所述光伏发电区域在所述目标时间段内可以向其他光伏发电区域输送多少电量或需要从其他光伏发电区域获取多少电量作为所述协同供电调度电量。
步骤A5，根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数。
可选地，在本实施例中，可以针对任意两个所述光伏发电区域，可以根据各所述光伏发电区域的位置标识确定，确定各所述光伏发电区域之间的输电距离，然后根据所述输电距离确定各所述光伏发电区域之间的输电电量损耗百分比作为所述电量调度损耗参数。
步骤A6，根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略。
步骤A7，将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关，使所述联络控制开关根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。
具体地，在本实施例中，根据各所述光伏发电区域的协同供电调度电量指示的可输出电量或需获取电量，以及各所述光伏发电区域之间的电量调度损耗参数，确定各所述光伏发电区域对应的联络控制开关的开合时间，获得所述调度控制策略
例如，可以根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定各联络控制开关需要在什么时候开合，从而将发电量富的光伏发电区域的电能调度给发电量不足的光伏发电区域。
基于上述设计，通过根据多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录预测各光伏发电区域的发电量预测结果及用电量预测结果，并结合在各光伏发电区域进行电量调度的电量调度损耗参数确定对应的调度控制策略，然后根据对应的调度控制策略各光伏发电区域对应的联络控制开关，从而使联络控制开关根据调度控制策略控制各光伏发电区域在目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。如此，可以较为准确地确定各个光伏发电区域的发电/用电量，从而在各个光伏区间之间实现跨区域的电量协同调度，能够有效提高屋顶光伏发电功率的消纳比例，提高光伏发电的利用率。
在一些可能的实现方式中，步骤A2，可以包括以下子步骤。
步骤A201，通过所述第一预测网络的第一特征提取模型对所述天气历史记录进行特征提取，得到天气变化特征序列。
步骤A202，通过所述第一预测网络的第二特征提取模型对所述发电量历史记录进行特征提取，得到发电量变化特征序列。
在本实施例中，所述第一特征提取模型和所述第二特征提取模型可以为通用的特征提取模型，在本实施例中不作具体限定。
步骤A203，通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列。
具体地，在本实施例中，可以按照时序将所述天气变化特征序列拆分为多个天气变化特征片段。然后，对每个天气变化特征片段进行均值池化，得到多个天气片段池化特征，其中，所述多个天气片段池化特征构成中间天气变化特征序列。
同时，可以按照时序将所述发电量变化特征序列拆分为多个发电量特征片段。然后，对每个发电量特征片段进行均值池化，得到多个发电量片段池化特征，所述多个发电量片段池化特征构成中间发电量变化特征序列。
接着，可以获取预设的训练调整特征。然后，将所述训练调整特征、所述中间天气变化特征序列以及所述中间发电量变化特征序列进行特征融合，得到第一中间特征序列。
其中，所述训练调整特征为预设并通过机器学习训练后调整获得的特征，所述训练调整特征对辅助所述中间天气变化特征序列以及所述中间发电量变化特征序列的融合。
步骤A204，通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列。
具体地，在本实施例中，可以将所述第一中间特征序列映射到查询特征向量、键特征向量以及值特征向量的空间中，得到查询特征向量序列、键特征向量序列以及值特征向量序列，并计算所述查询特征向量序列与所述键特征向量序列的相关度矩阵。
然后，确定所述第一中间特征序列中与所述训练调整特征对应的训练调整相关特征、与所述中间天气变化特征序列对应的天气相关特征序列以及与所述中间发电量变化特征序列对应的发电量相关特征序列。
接着，确定所述训练调整相关特征与所述第一中间特征序列中每个特征的第一特征交互计算结果，所述天气相关特征序列中每个特征与所述发电量相关特征序列中每个特征之间的第二特征交互计算结果。
再根据所述第一特征交互计算结果、所述第二特征交互计算结果以及所述相关度矩阵计算相关度权重矩阵。
最后，基于所述相关度权重矩阵对所述值特征向量序列进行加权处理，得到第二中间特征序列。
通过所述自注意力机制模块可以提高所述第一中间特征序列中重要特征的影响程度，使获得的所述第二中间特征序列具有更好的特征表现度。
步骤A205，根据所述第二中间特征序列确定发电量预测特征。
具体地，在本实施例中，可以从所述第二中间特征序列中提取出所述训练调整特征对应的融合训练调整相关特征。
然后，采用第一残差和归一化模块对所述融合训练调整相关特征进行处理，得到第一处理特征。
接着，采用前馈神经网络模块对所述第一处理特征进行处理，得到第二处理特征。
残差再采用第二残差和归一化模块对所述第二处理特征进行处理，得到所述发电量预测特征。
步骤A206，通过所述第一预测网络的发电量预测模块根据所述发电量预测特征确定所述光伏发电区域在所述目标时间段的发电量预测结果。
在本实施例中，可以使用预先获取的第一训练样本对所述第一预测网络进行训练，所述第一训练样本包括样本发电量历史记录、样本天气历史记录及真实发电量标签。通过所述第一预测网络根据所述样本发电量历史记录及所述样本天气历史记录预测获得样本发电量预测结果，再根据所述发电量预测结果与所述真实发电量标签之间的差值调整所述第一预测网络中各个模块或网络层的参数，以减小所述发电量预测结果与所述真实发电量标签之间的差值。在所述发电量预测结果与所述真实发电量标签之间的差值减小到预设阈值，或训练次数达到预设阈值后，获得训练完成的所述第一预测网络。
在一些可能的实现方式中，步骤A3，可以包括以下子步骤。
步骤A301，从所述用电量历史记录获取分时用电量特征序列。所述分时用电量特征序列包括在第N个时间段之前的M个时间段的分时用电量特征数据。其中，所述第N个时间段为所述目标时间段。
步骤A302，从所述用电量历史记录获取每日用电量数据记录序列。所述每日用电量数据记录序列包括在所述第N个时间段之前的所述M个时间段的每日用电量数据。
步骤A303，对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列。
步骤A304，根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据。
具体地，步骤A303可以包括以下子步骤。
步骤A3031，对所述每日用电量数据记录序列进行滑动平均处理，得到所述用电量趋势变化序列，所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据。
步骤A3032，根据所述每日用电量数据记录序列和所述用电量趋势变化序列，确定去用电量趋势变化序列。所述去用电量趋势变化序列包括所述M个时间段中每个时间段的去用电量趋势预测数据，任一个时间段的去用电量趋势预测数据是根据对应时间段的每日用电量数据和对应时间段的用电量趋势预测数据确定的。
步骤A3033，以周为单位对所述去用电量趋势变化序列进行平均处理，得到所述各月用电量记录序列，所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据。
步骤A3034，根据所述每日用电量数据记录序列、所述用电量趋势变化序列和所述各月用电量记录序列，确定中间处理数据序列。所述中间处理数据序列包括所述M个时间段中每个时间段的中间用电量计算数据，任一个时间段的中间用电量计算数据是根据对应时间段的每日用电量数据、对应时间段的用电量趋势预测数据和对应时间段的各月用电量预测数据确定的。
步骤A3035，对非工作日的所述中间处理数据序列进行平均处理，得到所述非工作日用电量记录序列，所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据。
具体地，步骤A304可以包括以下子步骤。
步骤A3041，根据所述分时用电量特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据。
进一步地，所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据。在步骤A3041中可以先在所述分时用电量特征序列中确定待处理特征序列，所述待处理特征序列包括所述分时用电量特征序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的分时用电量特征数据。然后，调用所述第二预测网络根据所述待处理特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据。
步骤A3042，根据所述各月用电量记录序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据。
进一步地，所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据。在步骤A3042那个可以先在所述各月用电量记录序列中确定每月用电数据序列，所述每月用电数据序列包括所述各月用电量记录序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的各月用电量预测数据。然后，调用目标各月用电量预测模型根据所述每月用电数据序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据。
步骤A3043，根据所述非工作日用电量记录序列对所述第N个时间段进行非工作日用电量预测，得到所述第N个时间段的非工作日用电量预测数据。
进一步地，所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据。在步骤A3043中，可以先调用非工作日用电量预测模型获取所述M个时间段中每个时间段的非工作日用电量预测数据对应的非工作日用电量序列，非工作日用电量序列包括对应时间段下的K个非工作日的用电量数据，K为正整数。接着，确定所述K个非工作日中每个非工作日的用电量预测数据，所述K个非工作日中的第i个非工作日的用电量预测数据是所述M个时间段中每个时间段下的第i个非工作日的用电量数据的平均值，i为小于或等于K的正整数。然后，根据所述K个非工作日中每个非工作日的用电量预测数据，确定所述第N个时间段的非工作日用电量预测数据。
步骤A3044，根据所述第N个时间段的用电量趋势预测数据、所述第N个时间段的各月用电量预测数据和所述第N个时间段的非工作日用电量预测数据，确定所述第N个时间段的每日用电量数据。
基于相同的发明构思，本实施例还提供一种调度控制设备，从功能上划分，参照图3，所述调度控制设备可以包括数据获取单元111、第一预测单元112、第二预测单元113、第一计算单元114、第二计算单元115、策略生成单元116及策略下发单元117。
所述数据获取单元111用于获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录。
本实施例中，所述数据获取单元111可用于执行图2所示的步骤A1，关于所述数据获取单元111的具体描述可参对所述步骤A1的描述。
所述第一预测单元112用于将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果。
本实施例中，所述第一预测单元112可用于执行图2所示的步骤A2，关于所述第一预测单元112的具体描述可参对所述步骤A2的描述。
所述第二预测单元113用于将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果。
本实施例中，所述第二预测单元113可用于执行图2所示的步骤A3，关于所述第二预测单元113的具体描述可参对所述步骤A3的描述。
所述第一计算单元114用于根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量。
本实施例中，所述第一计算单元114可用于执行图2所示的步骤A4，关于所述第一计算单元114的具体描述可参对所述步骤A4的描述。
所述第二计算单元115用于根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数。
本实施例中，所述第二计算单元115可用于执行图2所示的步骤A5，关于所述第二计算单元115的具体描述可参对所述步骤A5的描述。
所述策略生成单元116用于根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略。
本实施例中，所述策略生成单元116可用于执行图2所示的步骤A6，关于所述策略生成单元116的具体描述可参对所述步骤A6的描述。
所述策略下发单元117用于将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关。
本实施例中，所述策略下发单元117可用于执行图2所示的步骤A7，关于所述策略下发单元117的具体描述可参对所述步骤A7的描述。
相应地，在本实施例中，各所述联络控制开关用于根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。
本实施例提供的所述调度控制设备可以包括一台或多台具有数据处理能力的电子设备，所述电子设备可以为服务器、个人电脑等。请参照图4，图4所述调度控制设备的硬件结构示意图。该调度控制设备可包括处理器130及机器可读存储介质120。处理器130与机器可读存储介质120可经由系统总线通信。并且，机器可读存储介质120存储有机器可执行指令，通过读取并执行机器可读存储介质120中与屋顶光伏发电功率协同控制逻辑对应的机器可执行指令，处理器130可执行上文描述的屋顶光伏发电功率协同控制方法。
本文中提到的机器可读存储介质120可以是任何电子、磁性、光学或其他物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM（Radom Access Memory，随机存取存储器）、易失存储器、非易失性存储器、闪存、存储驱动器（如硬盘驱动器）、固态硬盘、任何类型的存储盘（如光盘、dvd等），或者类似的存储介质，或者它们的组合。
所述处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit， 简称CPU）、网络处理器（Network Processor，简称NP）等。还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
综上所述，本发明实施例提供的屋顶光伏发电功率协同控制方法及系统，通过根据多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录预测各光伏发电区域的发电量预测结果及用电量预测结果，并结合在各光伏发电区域进行电量调度的电量调度损耗参数确定对应的调度控制策略，然后根据对应的调度控制策略各光伏发电区域对应的联络控制开关，从而使联络控制开关根据调度控制策略控制各光伏发电区域在目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能。如此，可以较为准确地确定各个光伏发电区域的发电/用电量，从而在各个光伏区间之间实现跨区域的电量协同调度，能够有效提高屋顶光伏发电功率的消纳比例，提高光伏发电的利用率。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行的执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅为本发明的各种实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种屋顶光伏发电功率协同控制方法，其特征在于，所述方法包括：
获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录；
将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果；
将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果；
根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量；
根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数；
根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略；
将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关，使所述联络控制开关根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能；
其中，所述将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果的步骤，包括：
通过所述第一预测网络的第一特征提取模型对所述天气历史记录进行特征提取，得到天气变化特征序列；
通过所述第一预测网络的第二特征提取模型对所述发电量历史记录进行特征提取，得到发电量变化特征序列；
通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列；
通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列；
根据所述第二中间特征序列确定发电量预测特征；
通过所述第一预测网络的发电量预测模块根据所述发电量预测特征确定所述光伏发电区域在所述目标时间段的发电量预测结果；
其中，所述将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果的步骤，包括：
从所述用电量历史记录获取分时用电量特征序列；所述分时用电量特征序列包括在第N个时间段之前的M个时间段的分时用电量特征数据；其中，所述第N个时间段为所述目标时间段；
从所述用电量历史记录获取每日用电量数据记录序列；所述每日用电量数据记录序列包括在所述第N个时间段之前的所述M个时间段的每日用电量数据；
对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列；
根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据。
2.根据权利要求1所述的方法，其特征在于，所述通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列的步骤，包括：
按照时序将所述天气变化特征序列拆分为多个天气变化特征片段；
对每个天气变化特征片段进行均值池化，得到多个天气片段池化特征，所述多个天气片段池化特征构成中间天气变化特征序列；
按照时序将所述发电量变化特征序列拆分为多个发电量特征片段；
对每个发电量特征片段进行均值池化，得到多个发电量片段池化特征，所述多个发电量片段池化特征构成中间发电量变化特征序列；
获取预设的训练调整特征；
将所述训练调整特征、所述中间天气变化特征序列以及所述中间发电量变化特征序列进行特征融合，得到第一中间特征序列；
所述通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列的步骤，包括：
将所述第一中间特征序列映射到查询特征向量、键特征向量以及值特征向量的空间中，得到查询特征向量序列、键特征向量序列以及值特征向量序列，并计算所述查询特征向量序列与所述键特征向量序列的相关度矩阵；
确定所述第一中间特征序列中与所述训练调整特征对应的训练调整相关特征、与所述中间天气变化特征序列对应的天气相关特征序列以及与所述中间发电量变化特征序列对应的发电量相关特征序列；
确定所述训练调整相关特征与所述第一中间特征序列中每个特征的第一特征交互计算结果，所述天气相关特征序列中每个特征与所述发电量相关特征序列中每个特征之间的第二特征交互计算结果；
根据所述第一特征交互计算结果、所述第二特征交互计算结果以及所述相关度矩阵计算相关度权重矩阵；
基于所述相关度权重矩阵对所述值特征向量序列进行加权处理，得到第二中间特征序列。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二中间特征序列确定发电量预测特征的步骤，包括：
从所述第二中间特征序列中提取出所述训练调整特征对应的融合训练调整相关特征；
采用第一残差和归一化模块对所述融合训练调整相关特征进行处理，得到第一处理特征；
采用前馈神经网络模块对所述第一处理特征进行处理，得到第二处理特征；
采用第二残差和归一化模块对所述第二处理特征进行处理，得到所述发电量预测特征。
4.根据权利要求1所述的方法，其特征在于，所述根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据的步骤，包括：
根据所述分时用电量特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据；
根据所述各月用电量记录序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据；
根据所述非工作日用电量记录序列对所述第N个时间段进行非工作日用电量预测，得到所述第N个时间段的非工作日用电量预测数据；
根据所述第N个时间段的用电量趋势预测数据、所述第N个时间段的各月用电量预测数据和所述第N个时间段的非工作日用电量预测数据，确定所述第N个时间段的每日用电量数据；
所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据；所述根据所述分时用电量特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据的步骤，包括：
在所述分时用电量特征序列中确定待处理特征序列，所述待处理特征序列包括所述分时用电量特征序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的分时用电量特征数据；
调用所述第二预测网络根据所述待处理特征序列和所述用电量趋势变化序列对所述第N个时间段进行用电量趋势预测，得到所述第N个时间段的用电量趋势预测数据；
所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据；所述根据所述各月用电量记录序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据的步骤，包括：
在所述各月用电量记录序列中确定每月用电数据序列，所述每月用电数据序列包括所述各月用电量记录序列中从第N-M-1个时间段开始到第N-1个时间段结束的共M-1个时间段的各月用电量预测数据；
调用目标各月用电量预测模型根据所述每月用电数据序列对所述第N个时间段进行各月用电量预测，得到所述第N个时间段的各月用电量预测数据；
所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据；所述根据所述非工作日用电量记录序列对所述第N个时间段进行非工作日用电量预测，得到所述第N个时间段的非工作日用电量预测数据的步骤，包括：
调用非工作日用电量预测模型获取所述M个时间段中每个时间段的非工作日用电量预测数据对应的非工作日用电量序列，非工作日用电量序列包括对应时间段下的K个非工作日的用电量数据，K为正整数；
确定所述K个非工作日中每个非工作日的用电量预测数据，所述K个非工作日中的第i个非工作日的用电量预测数据是所述M个时间段中每个时间段下的第i个非工作日的用电量数据的平均值，i为小于或等于K的正整数；
根据所述K个非工作日中每个非工作日的用电量预测数据，确定所述第N个时间段的非工作日用电量预测数据。
5.根据权利要求1所述的方法，其特征在于，所述对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列的步骤，包括：
对所述每日用电量数据记录序列进行滑动平均处理，得到所述用电量趋势变化序列，所述用电量趋势变化序列包括所述M个时间段中每个时间段的用电量趋势预测数据；
根据所述每日用电量数据记录序列和所述用电量趋势变化序列，确定去用电量趋势变化序列；所述去用电量趋势变化序列包括所述M个时间段中每个时间段的去用电量趋势预测数据，任一个时间段的去用电量趋势预测数据是根据对应时间段的每日用电量数据和对应时间段的用电量趋势预测数据确定的；
以周为单位对所述去用电量趋势变化序列进行平均处理，得到所述各月用电量记录序列，所述各月用电量记录序列包括所述M个时间段中每个时间段的各月用电量预测数据；
根据所述每日用电量数据记录序列、所述用电量趋势变化序列和所述各月用电量记录序列，确定中间处理数据序列；所述中间处理数据序列包括所述M个时间段中每个时间段的中间用电量计算数据，任一个时间段的中间用电量计算数据是根据对应时间段的每日用电量数据、对应时间段的用电量趋势预测数据和对应时间段的各月用电量预测数据确定的；
对非工作日的所述中间处理数据序列进行平均处理，得到所述非工作日用电量记录序列，所述非工作日用电量记录序列包括所述M个时间段中每个时间段的非工作日用电量预测数据。
6.根据权利要求1所述的方法，其特征在于，所述根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数的步骤，包括：
根据各所述光伏发电区域的位置标识确定，确定各所述光伏发电区域之间的输电距离；
根据所述输电距离确定各所述光伏发电区域之间的输电电量损耗百分比作为所述电量调度损耗参数。
7.根据权利要求1所述的方法，其特征在于，所述根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略的步骤，包括：
根据各所述光伏发电区域的协同供电调度电量指示的可输出电量或需获取电量，以及各所述光伏发电区域之间的电量调度损耗参数，确定个所述光伏发电区域对应的联络控制开关的开合时间，获得所述调度控制策略。
8.一种屋顶光伏发电功率协同控制系统，其特征在于，所述屋顶光伏发电功率协同控制系统包括调度控制设备及多个联络控制开关；
所述调度控制设备包括：
数据获取单元，用于获取多个光伏发电区域的位置标识、在目标时间段之前的发电量历史记录、天气历史记录、用电量历史记录及储电量历史记录；
第一预测单元，用于将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录，分别输入第一预测网络，获得各所述光伏发电区域在所述目标时间段的发电量预测结果；
第二预测单元，用于将各所述光伏发电区域的所述用电量历史记录输入第二预测网络，获得各所述光伏发电区域在所述目标时间段的用电量预测结果；
第一计算单元，用于根据所述发电量预测结果、所述用电量预测结果及所述储电量历史记录，确定各所述光伏发电区域的在所述目标时间段内的协同供电调度电量；
第二计算单元，用于根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗参数；
策略生成单元，用于根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调度损耗参数，确定对应的调度控制策略；
策略下发单元，用于将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关；
各所述联络控制开关用于根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏发电区域提供电能或从其他光伏发电区域获取电能；
其中，所述第一预测单元具体用于：
通过所述第一预测网络的第一特征提取模型对所述天气历史记录进行特征提取，得到天气变化特征序列；
通过所述第一预测网络的第二特征提取模型对所述发电量历史记录进行特征提取，得到发电量变化特征序列；
通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量变化特征序列进行特征融合，得到第一中间特征序列；
通过所述第一预测网络的自注意力机制模块对所述第一中间特征序列进行处理，得到第二中间特征序列；
根据所述第二中间特征序列确定发电量预测特征；
通过所述第一预测网络的发电量预测模块根据所述发电量预测特征确定所述光伏发电区域在所述目标时间段的发电量预测结果；
其中，所述第二预测单元具体用于：
从所述用电量历史记录获取分时用电量特征序列；所述分时用电量特征序列包括在第N个时间段之前的M个时间段的分时用电量特征数据；其中，所述第N个时间段为所述目标时间段；
从所述用电量历史记录获取每日用电量数据记录序列；所述每日用电量数据记录序列包括在所述第N个时间段之前的所述M个时间段的每日用电量数据；
对所述每日用电量数据记录序列进行数据拆分处理，得到用电量趋势变化序列、各月用电量记录序列以及非工作日用电量记录序列；
根据所述分时用电量特征序列、所述用电量趋势变化序列、所述各月用电量记录序列以及所述非工作日用电量记录序列进行用电量预测，得到所述第N个时间段的每日用电量数据。
CN202211244830.XA 2022-10-12 2022-10-12 屋顶光伏发电功率协同控制方法及系统 Active CN115333100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211244830.XA CN115333100B (zh) 2022-10-12 2022-10-12 屋顶光伏发电功率协同控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211244830.XA CN115333100B (zh) 2022-10-12 2022-10-12 屋顶光伏发电功率协同控制方法及系统

Publications (2)

Publication Number Publication Date
CN115333100A CN115333100A (zh) 2022-11-11
CN115333100B true CN115333100B (zh) 2022-12-16

Family

ID=83913820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211244830.XA Active CN115333100B (zh) 2022-10-12 2022-10-12 屋顶光伏发电功率协同控制方法及系统

Country Status (1)

Country Link
CN (1) CN115333100B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436077A (zh) * 2023-04-04 2023-07-14 重庆跃达新能源有限公司 一种基于光伏储能的柔性供电系统及方法
CN117096955B (zh) * 2023-10-08 2024-03-19 南京允能日新智慧能源有限公司 一种分布式光伏集群运行控制系统
CN117217504A (zh) * 2023-11-09 2023-12-12 国网山东省电力公司日照供电公司 分布式光伏及可调资源特性分析管理系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法
CN102521670A (zh) * 2011-11-18 2012-06-27 中国电力科学研究院 基于气象要素的光伏电站发电输出功率预测方法
JP2014217092A (ja) * 2013-04-22 2014-11-17 清水建設株式会社 発電電力予測装置、発電電力予測方法及びプログラム
CN108038569A (zh) * 2017-12-08 2018-05-15 北京汇通金财信息科技有限公司 一种分布式光伏并网电量预测方法及系统
CN112217208A (zh) * 2020-10-20 2021-01-12 华能山东发电有限公司 一种基于发电和用电预测的发电控制方法
CN114091316A (zh) * 2021-11-16 2022-02-25 国网甘肃省电力公司电力科学研究院 一种区域光伏发电量计算方法
CN114520512A (zh) * 2022-04-21 2022-05-20 广东润世华智慧能源科技发展有限公司 一种屋顶分布式光伏发电智能储能管理系统
CN114707713A (zh) * 2022-03-23 2022-07-05 国网宁夏电力有限公司电力科学研究院 一种考虑分布式电源影响的低压配电网负荷预测方法
CN115036922A (zh) * 2022-08-10 2022-09-09 四川中电启明星信息技术有限公司 一种分布式光伏发电电量预测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011092882A1 (ja) * 2010-01-26 2011-08-04 株式会社日立製作所 太陽光発電設備発電量予測システム，気象予測システム及び太陽光発電設備発電量予測方法
CN105787606A (zh) * 2016-03-24 2016-07-20 国网辽宁省电力有限公司电力科学研究院 一种基于超短期负荷预测的电力调度在线趋势预警系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004072900A (ja) * 2002-08-06 2004-03-04 Mitsubishi Heavy Ind Ltd 電力ネットワーク管理システムおよび電力ネットワーク管理方法
CN102521670A (zh) * 2011-11-18 2012-06-27 中国电力科学研究院 基于气象要素的光伏电站发电输出功率预测方法
JP2014217092A (ja) * 2013-04-22 2014-11-17 清水建設株式会社 発電電力予測装置、発電電力予測方法及びプログラム
CN108038569A (zh) * 2017-12-08 2018-05-15 北京汇通金财信息科技有限公司 一种分布式光伏并网电量预测方法及系统
CN112217208A (zh) * 2020-10-20 2021-01-12 华能山东发电有限公司 一种基于发电和用电预测的发电控制方法
CN114091316A (zh) * 2021-11-16 2022-02-25 国网甘肃省电力公司电力科学研究院 一种区域光伏发电量计算方法
CN114707713A (zh) * 2022-03-23 2022-07-05 国网宁夏电力有限公司电力科学研究院 一种考虑分布式电源影响的低压配电网负荷预测方法
CN114520512A (zh) * 2022-04-21 2022-05-20 广东润世华智慧能源科技发展有限公司 一种屋顶分布式光伏发电智能储能管理系统
CN115036922A (zh) * 2022-08-10 2022-09-09 四川中电启明星信息技术有限公司 一种分布式光伏发电电量预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
光伏系统与家庭能量需求调度优化;吕晓芳;《中国优秀学位硕士论文全文数据库》;20200615;全文 *
基于台区功率共济的屋顶光伏功率消纳方法;唐冬来;《供用电》;20220228;第39卷(第2期);9-14页 *

Also Published As

Publication number Publication date
CN115333100A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN115333100B (zh) 屋顶光伏发电功率协同控制方法及系统
KR20180060317A (ko) 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법
CN111709672A (zh) 基于场景和深度强化学习的虚拟电厂经济调度方法
CN102184453A (zh) 基于模糊神经网络和支持向量机的风电功率组合预测方法
CN104115166A (zh) 一种用于由发电厂特别是可再生发电厂所产生的电能的使用的计算机辅助确定的方法
CN109767033B (zh) 光伏电的调度方法、装置、计算机设备和存储介质
US20220376499A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
CN103093288A (zh) 基于气象信息的分区电网母线负荷预测系统
CN105205297A (zh) 一种时间序列预测方法及系统
Sharma et al. A novel seasonal segmentation approach for day-ahead load forecasting
CN114792156A (zh) 基于曲线特征指标聚类的光伏输出功率预测方法和系统
CN116523277A (zh) 一种基于需求响应的智慧能源管理方法及系统
CN116683508A (zh) 一种目标对象储能容量的确定方法、装置及电子设备
KR20200057822A (ko) 우수를 이용한 태양광 발전 모듈 최적 냉각 장치 및 방법
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN112270454B (zh) 极端因素影响下的电力系统短期负荷预测方法与预测装置
CN116562398B (zh) 电力负荷预测模型训练方法、预测方法、电子设备和介质
CN117374920A (zh) 考虑环境因素的超短期预测方法、装置及介质
CN117117878A (zh) 基于人工神经网络和多智能体强化学习的电网需求侧响应潜力评估及负荷调控方法
Tang et al. LASSO-based single index model for solar power generation forecasting
CN115577903A (zh) 新能源对电网调峰影响的评估方法、装置、设备及介质
CN113723717A (zh) 系统日前短期负荷预测方法、装置、设备和可读存储介质
Khan et al. Short term load and price forecasting using tuned parameters for K-nearest neighbors
CN112330017A (zh) 电力负荷预测方法、装置、电子设备和存储介质
CN114676866A (zh) 基于误差修正的负荷日前预测修正方法、设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant