基于人工智能的太阳能并网调控方法及系统与流程

技术特征：
1.基于人工智能的太阳能并网调控方法，其特征在于，包括步骤：根据采集的图像数据，计算阴影遮挡度，根据所述阴影遮挡度、采集的太阳能电池板的温度、电压及电流，构建四维环境向量，获得0到i时刻的环境矩阵；根据所述环境矩阵，计算环境复杂程度指数，所述环境复杂程度指数的计算公式为：根据所述环境矩阵，计算环境复杂程度指数，所述环境复杂程度指数的计算公式为：其中，设定记录当天为第a天，为0到i时刻的环境复杂程度指数，为0到i时刻的环境复杂程度指数的初始值，为余弦相似度，为第a天所述环境矩阵的特征值序列，为第n天所述环境矩阵的特征值序列；构建第一预测模型并获得最大输出功率的第一预测结果，所述第一预测模型包含以下多项式：其中，为第a天第i 1时刻最大输出功率的第一预测结果，为第n天第i 1时刻的最大输出功率；为第n天i＋1时刻最大输出功率的权重；根据采集的历史数据，构建并训练第二预测模型，计算最大输出功率的第二预测结果；根据所述第一预测结果及所述第二预测结果，构建最大输出功率的第三预测模型，生成最大输出功率的第三预测结果，调节预设的逆变器输出功率为所述第三预测结果，所述第三预测模型包括以下多项式：其中，表示最大输出功率的第三预测结果，为最大输出功率的第二预测结果，为最大输出功率的第一预测结果。2.根据权利要求1所述的基于人工智能的太阳能并网调控方法，其特征在于，所述第一预测模型中的构建中，包括以下步骤：根据采集的太阳能电池板的实时最大输出功率，获得第m天i时刻的最大输出功率；构建最大输出功率的权重模型，所述权重模型包括以下多项式：其中，为第m天第i 1时刻最大输出功率权重，为皮尔逊系数计算，为所述第m天i时刻的最大输出功率，为第m天0时刻的最大输出功率，为第a天i时刻的最
大输出功率，为第a天0时刻的最大输出功率，m为{a-1,a-2,a-3,a-4}；构建所述第一预测模型并获得所述第一预测结果。3.根据权利要求2所述的基于人工智能的太阳能并网调控方法，其特征在于，所述根据采集的历史数据，构建并训练第二预测模型，计算最大输出功率的第二预测结果，包括：将最大输出功率的集合，按日期从早到晚的顺序，前90%的数据作为训练集，后10%作为测试集。4.根据权利要求1-3任一项所述的基于人工智能的太阳能并网调控方法，其特征在于，所述根据采集的图像数据，计算阴影遮挡度，包括以下步骤：将所述图像数据转化为灰度图像；设置灰度图像样本，将所述灰度图像样本中阴影区域的像素值标记为0，光照区域的像素值标记为1，得到所述灰度图像样本的标签数据；计算所述标签数据像素点的比例，获得所述阴影遮挡度。5.基于人工智能的太阳能并网调控系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-4任一项所述的基于人工智能的太阳能并网调控方法。

技术总结
本申请涉及太阳能并网调控领域，尤其涉及基于人工智能的太阳能并网调控方法及系统，方法包括：根据采集的图像数据，计算阴影遮挡度，根据阴影遮挡度、太阳能电池板的温度、电压及电流，构建四维环境向量，获得环境矩阵；根据环境矩阵，计算环境复杂程度指数；构建第一预测模型并获得最大输出功率的第一预测结果；根据采集的历史数据，构建并训练第二预测模型，计算最大输出功率的第二预测结果；根据第一预测结果及第二预测结果，构建最大输出功率的第三预测模型，生成最大输出功率的第三预测结果，调节预设的逆变器输出功率为第三预测结果。本申请结合环境复杂度对太阳能电池板最大输出功率的影响，具有提高最大输出功率结果准确性的效果。的效果。的效果。


技术研发人员：叶云灿 张迪 何志华
受保护的技术使用者：广州德姆达光电科技有限公司
技术研发日：2023.09.11
技术公布日：2023/10/19