【技术实现步骤摘要】
本专利技术实施例涉及发电设备控制技术，尤其涉及一种风力发电和光伏发电互补供电控制方法、装置、设备及存储介质。
技术介绍
1、新能源是可循环以及可再生的清洁环保发电能源，发电企业只有优化配置利用现有的清洁发电能源，才能切实杜绝与防范发电过程中的自然生态破坏后果，促进企业发电产能的显著优化提高。与传统的煤炭发电能源进行对比，可以判断出单一新能源与互补发电新能源都具有清洁环保以及可循环使用的优势特征。现阶段，传统发电能源已经无法全面满足发电能源的基本供给需求，进而决定了可再生的全新发电能源要在更大限度内投入使用。通过组合各种不同类型的清洁可循环发电能源，能明显促进现有发电技术模式的创新，转变了高能耗以及高污染的原有发电运行实施方案。在当前时期的信息化发展背景下，大数据的网络技术手段已经能够融入智能光伏发电，进而显著地完善了风力发电和光伏发电互补结合式的发电网络运行数据信息。然后目前的控制模型并不能根据实际环境对光伏和风力发电两种形式进行自适应调节，导致系统的能控性和稳定性较低。
技术实现思路
1、本专利技术提供一种风力发电和光伏发电互补供电控制方法、装置、设备及存储介质，以实现对风力发电设备和光伏发电设备的自适应控制。
2、第一方面，本专利技术实施例提供了一种风力发电和光伏发电互补供电控制方法，包括：
3、获取风力发电设备和光伏发电设备的设备参数和环境参数；
4、将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为bp神经网络的输入，构建b
5、利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的权重进行调整，获得互补供电控制模型；
6、所述互补供电控制模型基于实时获取的所述设备参数和所述环境参数对所述风力发电设备和所述光伏发电设备的实时输出电压进行控制。
7、可选的，所述风力发电设备和所述光伏发电设备的设备参数包括所述风力发电设备和所述光伏发电设备的历史输出电压、实时输出电压、预期输出电压、历史输出电流、实时输出电流、预期输出电流、短路电流、开路电压、最大功率电流和最大功率电压；所述环境参数包括各个时刻的光照强度信息和温度信息。
8、可选的，在获取风力发电设备和光伏发电设备的设备参数和环境参数之后，还包括：
9、对所述设备参数和所述环境参数进行归一化处理。
10、可选的，所述将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为bp神经网络的输入，构建bp神经网络，包括：
11、将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为bp神经网络的输入，构建bp神经网络的输入层；
12、采用sigmoid函数作为传递函数，构建bp神经网络的输入层的隐藏层；
13、采用所述风力发电设备和所述光伏发电设备的输出电压作为输出，构建bp神经网络的输入层的输出层。
14、可选的，利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的权重进行调整，获得互补供电控制模型，包括：
15、利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的输出层的权重进行调整；
16、利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的隐藏层的权重进行调整；
17、基于调整后的所述bp神经网络控制模型构建互补供电控制模型。
18、可选的，所述利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的输出层的权重进行调整，包括：
19、利用以下公式对所述bp神经网络控制模型的输出层权重进行调整：
20、
21、其中， n为神经网络的学习速率， e为神经网络期望值与实际输出值之间的误差值大小， α为学习率， u为权值修正的次数。
22、可选的，所述利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的隐藏层的权重进行调整，包括：
23、利用以下公式对所述bp神经网络控制模型的隐藏层权重进行调整：
24、
25、其中， n为神经网络的学习速率， e为神经网络期望值与实际输出值之间的误差值大小， α为学习率， u为权值修正的次数。
26、第二方面，本专利技术实施例还提供了一种风力发电和光伏发电互补供电控制装置，其特征在于，包括：
27、获取模块，用于获取风力发电设备和光伏发电设备的设备参数和环境参数；
28、构建模块，用于将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为bp神经网络的输入，构建bp神经网络；
29、调整模块，用于利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述bp神经网络控制模型的权重进行调整，获得互补供电控制模型；
30、输出模块，用于所述互补供电控制模型基于实时获取的所述设备参数和所述环境参数对所述风力发电设备和所述光伏发电设备的实时输出电压进行控制。
31、第三方面，本专利技术实施例还提供了一种风力发电和光伏发电互补供电控制设备，其特征在于，所述设备包括：
32、一个或多个处理器；
33、存储装置，用于存储一个或多个程序；
34、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的风力发电和光伏发电互补供电控制方法。
35、第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的风力发电和光伏发电互补供电控制方法。
36、本专利技术通过获取风力发电设备和光伏发电设备的设备参数和环境参数作为输入构建bp神经网络，然后对bp神经网络控制模型的权重进行调整，获得互补供电控制模型，最后利用互补供电控制模型基于实时获取的设备参数和环境参数对风力发电设备和光伏发电设备的实时输出电压进行控制，高效的实现了对风力发电设备和光伏发电设备的自适应控制，保证最大限度地提高能量转换效率和系统稳定性。
本文档来自技高网...【技术保护点】
1.一种风力发电和光伏发电互补供电控制方法，其特征在于，包括：
2.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述风力发电设备和所述光伏发电设备的设备参数包括所述风力发电设备和所述光伏发电设备的历史输出电压、实时输出电压、预期输出电压、历史输出电流、实时输出电流、预期输出电流、短路电流、开路电压、最大功率电流和最大功率电压；所述环境参数包括各个时刻的光照强度信息和温度信息。
3.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，在获取风力发电设备和光伏发电设备的设备参数和环境参数之后，还包括：
4.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为BP神经网络的输入，构建BP神经网络，包括：
5.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述BP神经网络控制模型的权重进行调整，获得互补供电控制模型，
6.根据权利要求5所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述BP神经网络控制模型的输出层的权重进行调整，包括：
7.根据权利要求5所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述利用所述设备参数中所述风力发电设备和所述光伏发电设备的实际输出电压和预期输出电压对所述BP神经网络控制模型的隐藏层的权重进行调整，包括：
8.一种风力发电和光伏发电互补供电控制装置，其特征在于，包括：
9.一种风力发电和光伏发电互补供电控制设备，其特征在于，所述设备包括：
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的风力发电和光伏发电互补供电控制方法。
...【技术特征摘要】
1.一种风力发电和光伏发电互补供电控制方法，其特征在于，包括：
2.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述风力发电设备和所述光伏发电设备的设备参数包括所述风力发电设备和所述光伏发电设备的历史输出电压、实时输出电压、预期输出电压、历史输出电流、实时输出电流、预期输出电流、短路电流、开路电压、最大功率电流和最大功率电压；所述环境参数包括各个时刻的光照强度信息和温度信息。
3.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，在获取风力发电设备和光伏发电设备的设备参数和环境参数之后，还包括：
4.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，所述将所述设备参数中的历史设备参数和所述环境参数中的历史环境参数作为bp神经网络的输入，构建bp神经网络，包括：
5.根据权利要求1所述的风力发电和光伏发电互补供电控制方法，其特征在于，利用所述设备参数中所述风力发电设备和所述光伏发电...
【专利技术属性】
技术研发人员：梁家兴，陈凯红，万非，高嘉恒，赵丽春，
申请(专利权)人：中山电力设计院有限公司，
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。