一种基于人工智能的太阳能发电系统技术方案

本发明专利技术公开了一种基于人工智能的太阳能发电系统，所述基于人工智能的太阳能发电系统具有控制层，通信层和执行层；所述控制层，其具有上位机服务器，第一数据库，第二数据库；所述上位机服务器分别与所述第一数据库和第二数据库相连接；所述通信层，其用于通信连接所述控制层与执行层；所述执行层，其基于至少一个太阳能发电子单元实现光电转换，并将所述光电转换产生的电能变换后提供至电网，和/或负载；所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。

【技术实现步骤摘要】
一种基于人工智能的太阳能发电系统
本专利技术涉及人工智能管理
，特别涉及一种基于人工智能的太阳能发电系统。
技术介绍
现有的太阳能发电系统普遍采用基于光源跟踪的实时控制，或根据预定的控制策略对所述太阳能发电系统进行预定的控制，这样的控制方式存在诸多弊端。一方面，现有控制方式无法对接下来的发电量，用电量进行预测，无法在厂端对可能面临的问题提前做出部署；另一方面，现有的控制方式时刻投入全部发电设备，使得发电设备全天候无停歇的工作，对设备损伤大，不利于延长设备寿命。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于人工智能的太阳能发电系统，所述基于人工智能的太阳能发电系统具有控制层，通信层和执行层。所述控制层，其具有上位机服务器，第一数据库，第二数据库；所述上位机服务器分别与所述第一数据库和第二数据库相连接。所述通信层，其用于通信连接所述控制层与执行层。所述执行层，其基于至少一个太阳能发电子单元实现光电转换，并将所述光电转换产生的电能变换后提供至电网，和/或负载。所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。进一步地，所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制的步骤包括学习算法和控制算法。进一步地，所述学习算法包括：S101，所述上位机服务器从所述第一数据库获取供电区域的历史用电量曲线。S102，获取第一神经网络模型。S103，基于所述供电区域的历史用电量曲线对所述第一神经网络模型进行训练。S104，获取供电区域的用电量曲线预测模型。S105，所述上位机服务器从所述第二数据库获取发电区域的历史发电量曲线。S106，获取第二神经网络模型。S107，基于所述发电区域的历史发电量曲线对所述第二神经网络模型进行训练。S108，获取发电区域的发电量曲线预测模型。进一步地，所述控制算法包括：S201，获取当前时间T1。S202，基于所述供电区域的用电量曲线预测模型及当前时间T1对接下来一段时间t的所述供电区域的用电量进行预测分析。S203，输出所述供电区域的用电量预测曲线。S204，基于所述发电区域的发电量曲线预测模型及当前时间T1对接下来一段时间t的所述发电区域的发电量进行预测分析。S205，输出所述发电区域的发电量预测曲线。S206，在当前时间T1开始的一段时间t的范围内，对所述用电量预测曲线进行积分，获得第一预测值。S207，在当前时间T1开始的一段时间t的范围内，对所述发电量预测曲线进行积分，获得第二预测值。S208，若所述第一预测值大于所述第二预测值，转S209；若所述第一预测值等于所述第二预测值，转S210；若所述第一预测值小于所述第二预测值，转S211。S209，向所述太阳能发电子单元发出开始转向指令，控制所述太阳能发电子单元的发电单元时刻朝向光强最强的方向，并发出警报，在一段时间t后，转S201。S210，延迟10分钟，转S201。S211，随机选取部分所述太阳能发电子单元，向被选取的所述太阳能发电子单元发出停止工作指令，在一段时间t后，转S201。进一步地，所述一段时间t为30分钟，或60分钟，或12小时，或24小时。进一步地，所述供电区域的历史用电量曲线为二维曲线，其横轴为时间，其纵轴为历史用电量。所述发电区域的历史发电量曲线为二维曲线，其横轴为时间，其纵轴为历史发电量。进一步地，所述供电区域的用电量预测曲线为二维曲线，其横轴为时间，其纵轴为预测的用电量。所述发电区域的发电量预测曲线为二维曲线，其横轴为时间，其纵轴为预测的发电量。进一步地，所述太阳能发电子单元，其具有所述发电单元，逆变器，变压器，子单元控制器。所述发电单元，逆变器，变压器依次连接；所述变压器的输出端与所述电网，和/或负载相连接。所述子单元控制器分别与所述发电单元，逆变器和变压器相连接。进一步地，所述通信层将所述上位机服务器分别与所述至少一个太阳能发电子单元的子单元控制器相连接。进一步地，所述太阳能发电子单元还具有光强传感器，所述光强传感器与所述子单元控制器相连接；或，所述基于人工智能的太阳能发电系统还具有光强传感器，所述光强传感器与所述上位机服务器相连接。与现有技术相比，本专利技术具有下列优点：(1)提出了一种对接下来的发电量，用电量进行预测的人工智能控制系统及方法，解决了在厂端对可能面临的问题提前做出部署的难题。(2)使得发电设备具有停机的机会，降低设备损耗，延长设备寿命。(3)整套设备侧重于控制层面的改进，对硬件要求低，因此可以将同一套控制系统用于不同的场合，实现一次性投入，多方向产出。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。图1是本专利技术实施例提供的基于人工智能的太阳能发电系统的系统结构框图。其中，1-上位机服务器，2-用电量曲线预测模型，3-发电量曲线预测模型，4-第一数据库，5-第二数据库。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参见图1，本专利技术提供了一种基于人工智能的太阳能发电系统，所述基于人工智能的太阳能发电系统具有控制层，通信层和执行层。所述控制层，其具有上位机服务器，第一数据库，第二数据库；所述上位机服务器分别与所述第一数据库和第二数据库相连接。所述通信层，其用于通信连接所述控制层与执行层。所述执行层，其基于至少一个太阳能发电子单元实现光电转换，并将所述光电转换产生的电能变换后提供至电网，和/或负载。所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。进一步地，所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制的步骤包括学习算法和控制算法。进一步地，所述学习算法包括：S101，所述上位机服务器从所述第一数据库获取供电区域的历史用电量曲线。S102，获取第一神经网络模型。S103，基于所述供电区域的历史用电量曲线对所述第一神经网络模型进行训练。S104，获取供电区域的用电量曲线预测模型。S105，所述上位机服务器从所述第二数据库获取发电区域的历史发电量曲线。S106，获取第二神经网络模型。S107，基于所述发电区域的历史发电量曲线对所述第二神经网络模型进行训练。S108，获取发电区域的发电量曲线预测模型。进一步地，所述控制算法包括：S201，获取当前时间T1。S202，基于所述供电区域的用电量曲线预测模型及当前时间T1对接下来一段时间t的所述供电区域的用电量进行预测分析。S203，输出所述供电区域的用电量预测曲线。S204，基于所述发电区域的发电量曲线预测模型及当前时间T1对接下来一段时间t的所述发电区域的发电量进行预测分析。S205，输出所述发电区域的发电量预测曲线。S206，在当前时间T1开始的一段时间t的范围内，对所述用电量预测曲线进行积分，获得第一预测值。S207，在当前时间T1开始的一段时间t本文档来自技高网...

【技术保护点】
1.一种基于人工智能的太阳能发电系统，其特征在于，所述基于人工智能的太阳能发电系统具有控制层，通信层和执行层；所述控制层，其具有上位机服务器，第一数据库，第二数据库；所述上位机服务器分别与所述第一数据库和第二数据库相连接；所述通信层，其用于通信连接所述控制层与执行层；所述执行层，其基于至少一个太阳能发电子单元实现光电转换，并将所述光电转换产生的电能变换后提供至电网，和/或负载；所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。

【技术特征摘要】
1.一种基于人工智能的太阳能发电系统，其特征在于，所述基于人工智能的太阳能发电系统具有控制层，通信层和执行层；所述控制层，其具有上位机服务器，第一数据库，第二数据库；所述上位机服务器分别与所述第一数据库和第二数据库相连接；所述通信层，其用于通信连接所述控制层与执行层；所述执行层，其基于至少一个太阳能发电子单元实现光电转换，并将所述光电转换产生的电能变换后提供至电网，和/或负载；所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。2.根据权利要求1所述的基于人工智能的太阳能发电系统，其特征在于，所述所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制的步骤包括学习算法和控制算法。3.根据权利要求2所述的基于人工智能的太阳能发电系统，其特征在于，所述学习算法包括：S101，所述上位机服务器从所述第一数据库获取供电区域的历史用电量曲线；S102，获取第一神经网络模型；S103，基于所述供电区域的历史用电量曲线对所述第一神经网络模型进行训练；S104，获取供电区域的用电量曲线预测模型；S105，所述上位机服务器从所述第二数据库获取发电区域的历史发电量曲线；S106，获取第二神经网络模型；S107，基于所述发电区域的历史发电量曲线对所述第二神经网络模型进行训练；S108，获取发电区域的发电量曲线预测模型。4.根据权利要求3所述的基于人工智能的太阳能发电系统，其特征在于，所述控制算法包括：S201，获取当前时间T1；S202，基于所述供电区域的用电量曲线预测模型及当前时间T1对接下来一段时间t的所述供电区域的用电量进行预测分析；S203，输出所述供电区域的用电量预测曲线；S204，基于所述发电区域的发电量曲线预测模型及当前时间T1对接下来一段时间t的所述发电区域的发电量进行预测分析；S205，输出所述发电区域的发电量预测曲线；S206，在当前时间T1开始的一段时间t的范围内，对所述用电量预测曲线进行积分，获得第一预测值；S207，在当前时间T1开始的一段时间t的范围内，对所述发电量预测曲...

【专利技术属性】
技术研发人员：周赟，
申请(专利权)人：湖州华科信息咨询有限公司，
类型：发明
国别省市：浙江,33