【技术实现步骤摘要】
一种基于用能数据的近零能耗建筑社区储能系统及方法
[0001]本专利技术属于涉及近零能耗建筑社区储能技术，具体是一种基于用能数据的近零能耗建筑社区储能系统及方法。
技术介绍
[0002]近零能耗建筑社区是一种注重能源效率和环境可持续性的建筑概念，旨在最大限度地减少能源消耗并提高能源利用效率。光伏系统作为其中重要的能源供应方式之一，通过将太阳能转化为电能来满足社区的电力需求。然而，在光伏系统的建造和规划过程中，如何确定合适的光伏板面积以及储能系统的最大储能值是关键问题。
[0003]当前，光伏系统的建造和规划通常基于一般性的设计标准和经验值，缺乏对具体社区用能数据的精确分析和优化。这导致以下不足之处：
[0004]发电量浪费：缺乏基于用能数据的光伏板面积规划，可能导致光伏系统发电量超过社区实际需求，从而造成能源的浪费。
[0005]社区供电不足：若光伏系统规模不足，无法满足社区的电力需求，会导致能源短缺和不稳定的供电情况。
[0006]能源利用效率低：当前的光伏系统建造和规划缺乏针对储能系统的优...
【技术保护点】
【技术特征摘要】
1.一种基于用能数据的近零能耗建筑社区储能系统，其特征在于，包括光伏特征收集模块、光伏发电模型训练模块、社区能量信息收集模块以及社区储能分析模块；其中，各个模块之间通过有线和/或无线网络方式连接；光伏特征收集模块，收集各个测试地区的模型训练数据，并将收集的各个测试地区的模型训练数据发送至光伏发电模型训练模块；光伏发电模型训练模块，使用模型训练数据训练出预测光伏单位面积的功率值的机器学习模型，并将训练完成的每个用能时间周期对应的机器学习模型发送至社区储能分析模块；社区能量信息收集模块，收集近零能耗建筑社区的用能数据以及应用环境特征数据，并将近零能耗建筑社区的用能数据以及应用环境特征数据发送至社区储能分析模块；社区储能分析模块，基于用能数据、应用环境特征数据以及机器学习模型，计算在近零能耗建筑社区需要设置的光伏板的面积以及储能系统的最大储能值。2.根据权利要求1所述的一种基于用能数据的近零能耗建筑社区储能系统及方法，其特征在于，所述模型训练数据包括环境特征数据以及光伏发电功率数据；所述环境特征数据包括在每个预设的用能时间周期中，若干测试地区的平均光照强度、太阳光谱平均分布、平均温度、光伏组件转换效率以及光伏电池的材料；所述测试地区为预先选择的具有不同环境特征数据的各个测试地点，以获取训练数据；所述用能时间周期是指预先将一年划分为若干个时间周期，每个时间周期作为一个用能时间周期。3.根据权利要求2所述的一种基于用能数据的近零能耗建筑社区储能系统及方法，其特征在于，所述平均光照强度为在每个用能时间周期中，光照强度的平均值；光照强度使用光照强度传感器实时获得，对该用能时间周期中所有时刻的光照强度之和除以该用能时间周期的时长，获得平均光照强度；所述太阳光谱平均分布是指在采样的不同波长值下，太阳光的平均能量密度值；对于不同的波长值，该用能时间周期的平均能量密度值根据该波长值对应的能量密度值之和除以该用能时间周期的时长；所述平均温度为在每个用能时间周期中，温度的平均值；温度使用温度传感器实时获得，对该用能时间周期中所有时刻的温度之和除以该用能时间周期的时长，获得平均温度；所述光伏组件转换效率为光伏组件的固有属性值；所述光伏电池的材料包括单晶硅、多晶硅以及非晶硅，将单晶硅、多晶硅以及非晶硅分别使用离散数值表示；所述光伏发电功率数据为每个测试地区中，在每个预设的用能时间周期中，对应的环境特征数据所产生的单位面积的功率值；功率通过功率传感器实时获得，对该用能时间周期中所有时刻的功率之和除以使用的光伏板的面积，获得单位面积的功率值。4.根据权利要求3所述的一种基于用能数据的近零能耗建筑社区储能系统及方法，其特征在于，训练出预测光伏单位面积的功率值的机器学习模型的方式为：将用能时间周期的编号标记为j，将第j个用能时间周期的所有测试地区的环境特征数据集合标记为Cj，环境特征数据集合Cj中每组环境特征数据集合的编号标记为cj；将第j个用能时间周期的环境特征数据集合Cj对应的单位面积的功率值集合标记为Bj；
对于第j个...
【专利技术属性】
技术研发人员：陈廷敏，
申请(专利权)人：宁夏中昊银晨能源技术服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。