【技术实现步骤摘要】
本申请涉及智能化光伏发电，并且更具体地，涉及一种基于光伏发电的蓄能系统。
技术介绍
1、光伏发电是一种将太阳能转化为电能的技术，具有清洁、可再生、分布式等优点，是未来能源发展的重要方向之一。随着可再生能源的需求增加和环境保护意识的提高，光伏发电系统在能源领域得到了广泛应用。然而，光伏发电存在着间歇性和不稳定性的特点，即光照条件的变化会导致光伏发电量的波动，给电网的安全和经济运行带来了挑战。为了解决这个问题，可以采用蓄能系统来平滑光伏发电的波动，提高光伏发电的利用率，降低光伏发电的成本。也就是说，基于光伏发电的蓄能系统可以将多余的电能转化为冷能储存起来，在高峰时段释放出来，实现供冷需求的满足，同时也减少了对电网的负荷。
2、为了提高基于光伏发电的蓄能系统的运行效率和经济性，需要对光伏发电量进行准确的预测，以便合理地安排储能系统的充放电计划。然而，光伏发电量受到多种因素的影响，如太阳辐射、温度、云层、湿度等，具有高度的非线性和随机性，难以用传统的数学模型进行预测。
3、因此，期望一种优化的基于光伏发电的蓄能系统。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请提供了一种基于光伏发电的蓄能系统，当光伏电量的供给量大于所述用电设备或电网的需求量时，富余的所述电量通过所述电制冷机组转化为冷量，冷量经所述蓄冷泵、阀门和连接管道储存在所述蓄冷装置内；当在电价高峰时段，将所述蓄冷装置内的冷量通过所述放冷泵、阀门和连接管道释放给供冷末端，避免能源的浪费和不足；当
2、第一方面，提供了一种基于光伏发电的蓄能系统，包括：光伏发电系统、电制冷机组、蓄冷装置、电储能系统、蓄冷泵、放冷泵、阀门和连接管道，所述光伏发电系统用于利用光照辐射来产生电量，所述电量供给用电设备或电网，其中，当所述电量的供给量大于所述用电设备或电网的需求量时，富余的所述电量通过所述电制冷机组转化为冷量，冷量经所述蓄冷泵、阀门和连接管储存在所述蓄冷装置内；当在电价高峰时段，将所述蓄冷装置内的冷量通过所述放冷泵、阀门和连接管道释放给供冷末端；当所述蓄冷装置蓄满后还有富余所述电量，启动所述电储能系统进行储电，当在电价高峰时段，将所述电储能系统内储存的电量输送给用电设备或电网。
3、在上述基于光伏发电的蓄能系统中，所述光伏发电系统，包括：电量历史数据采集模块，用于获取所述光伏发电系统的电量的历史数据；天气数据采集模块，用于获取天气预报数据；光伏发电时序向量切分模块，用于将所述电量的历史数据按照时间维度排列为光伏发电时序输入向量后，基于第一时间尺度对所述光伏发电时序输入向量进行向量切分以得到光伏发电局部时序输入向量的序列；光伏发电局部时序特征提取模块，用于通过基于深度神经网络模型的发电量模式特征提取器对所述光伏发电局部时序输入向量的序列进行特征挖掘以得到光伏发电局部时序特征向量的序列；天气数据编码模块，用于对所述天气预报数据中的各天天气数据进行独热编码以得到天气数据独热编码向量的序列；各天天气数据语义关联编码模块，用于对所述天气数据独热编码向量的序列进行上下文关联编码以得到上下文天气数据编码特征向量的序列；电量-天气时序特征交互融合模块，用于对所述上下文天气数据编码特征向量的序列和所述光伏发电局部时序特征向量的序列进行交互融合以得到电量-天气交互融合特征；光伏发电量预测模块，用于基于所述电量-天气交互融合特征，确定光伏发电量的预测值。
4、在上述基于光伏发电的蓄能系统中，所述基于深度神经网络模型的发电量模式特征提取器为基于一维卷积层的发电量模式特征提取器。
5、在上述基于光伏发电的蓄能系统中，所述各天天气数据语义关联编码模块，用于：将所述天气数据独热编码向量的序列通过基于转换器模块的天气数据上下文编码器以得到所述上下文天气数据编码特征向量的序列。
6、在上述基于光伏发电的蓄能系统中，所述电量-天气时序特征交互融合模块，用于：使用电量-天气交互融合模块对所述上下文天气数据编码特征向量的序列和所述光伏发电局部时序特征向量的序列进行交互融合以得到电量-天气交互融合特征向量作为所述电量-天气交互融合特征。
7、在上述基于光伏发电的蓄能系统中，所述电量-天气时序特征交互融合模块，包括：相关度计算单元，用于以如下公式来计算所述上下文天气数据编码特征向量的序列中各个上下文天气数据编码特征向量与所述光伏发电局部时序特征向量的序列中各个光伏发电局部时序特征向量之间的相关度，其中，所述公式为：
8、sij＝hitrj
9、其中，sij表示所述上下文天气数据编码特征向量的序列中第i个上下文天气数据编码特征向量与所述光伏发电局部时序特征向量的序列中第j个光伏发电局部时序特征向量之间的相关度，hi表示所述上下文天气数据编码特征向量的序列中第i个上下文天气数据编码特征向量，且rj表示所述光伏发电局部时序特征向量的序列中第j个光伏发电局部时序特征向量；天气数据交互式更新单元，用于基于所述上下文天气数据编码特征向量的序列中各个上下文天气数据编码特征向量与所述光伏发电局部时序特征向量的序列中所有光伏发电局部时序特征向量之间的相关度以及所述光伏发电局部时序特征向量的序列中所有光伏发电局部时序特征向量，对所述上下文天气数据编码特征向量的序列中各个上下文天气数据编码特征向量进行交互式更新以得到更新上下文天气数据编码特征向量的序列；光伏发电交互式更新单元，用于基于所述光伏发电局部时序特征向量的序列中各个光伏发电局部时序特征向量与所述上下文天气数据编码特征向量的序列中所有上下文天气数据编码特征向量之间的相关度以及所述上下文天气数据编码特征向量的序列中所有上下文天气数据编码特征向量，对所述光伏发电局部时序特征向量的序列中各个光伏发电局部时序特征向量进行交互式更新以得到更新光伏发电局部时序特征向量的序列；天气数据融合单元，用于融合所述上下文天气数据编码特征向量的序列和所述更新上下文天气数据编码特征向量的序列以得到交互融合上下文天气数据编码特征向量的序列；光伏发电融合单元，用于融合所述光伏发电局部时序特征向量的序列和所述更新光伏发电局部时序特征向量的序列以得到交互融合光伏发电局部时序特征向量的序列；向量拼接单元，用于将所述交互融合上下文天气数据编码特征向量的序列和所述交互融合光伏发电局部时序特征向量的序列进行拼接以得到所述电量-天气交互融合特征向量。
10、在上述基于光伏发电的蓄能系统中，所述光伏发电量预测模块，用于：将所述电量-天气交互本文档来自技高网...
【技术保护点】
1.一种基于光伏发电的蓄能系统，包括：光伏发电系统、电制冷机组、蓄冷装置、电储能系统、蓄冷泵、放冷泵、阀门和连接管道，其特征在于，
2.根据权利要求1所述的基于光伏发电的蓄能系统，其特征在于，所述光伏发电系统，包括：
3.根据权利要求2所述的基于光伏发电的蓄能系统，其特征在于，所述基于深度神经网络模型的发电量模式特征提取器为基于一维卷积层的发电量模式特征提取器。
4.根据权利要求3所述的基于光伏发电的蓄能系统，其特征在于，所述各天天气数据语义关联编码模块，用于：将所述天气数据独热编码向量的序列通过基于转换器模块的天气数据上下文编码器以得到所述上下文天气数据编码特征向量的序列。
5.根据权利要求4所述的基于光伏发电的蓄能系统，其特征在于，所述电量-天气时序特征交互融合模块，用于：使用电量-天气交互融合模块对所述上下文天气数据编码特征向量的序列和所述光伏发电局部时序特征向量的序列进行交互融合以得到电量-天气交互融合特征向量作为所述电量-天气交互融合特征。
6.根据权利要求5所述的基于光伏发电的蓄能系统，其特征在于，所述电量-
7.根据权利要求6所述的基于光伏发电的蓄能系统，其特征在于，所述光伏发电量预测模块，用于：将所述电量-天气交互融合特征向量通过基于解码器的光伏发电量预测器以得到光伏发电量的预测值。
8.根据权利要求7所述的基于光伏发电的蓄能系统，其特征在于，还包括用于对所述基于一维卷积层的发电量模式特征提取器、所述基于转换器模块的天气数据上下文编码器、所述电量-天气交互融合模块和所述基于解码器的光伏发电量预测器进行训练的训练模块。
9.根据权利要求8所述的基于光伏发电的蓄能系统，其特征在于，所述训练模块，包括：
10.根据权利要求9所述的基于光伏发电的蓄能系统，其特征在于，所述训练模块，还包括：
...【技术特征摘要】
1.一种基于光伏发电的蓄能系统，包括：光伏发电系统、电制冷机组、蓄冷装置、电储能系统、蓄冷泵、放冷泵、阀门和连接管道，其特征在于，
2.根据权利要求1所述的基于光伏发电的蓄能系统，其特征在于，所述光伏发电系统，包括：
3.根据权利要求2所述的基于光伏发电的蓄能系统，其特征在于，所述基于深度神经网络模型的发电量模式特征提取器为基于一维卷积层的发电量模式特征提取器。
4.根据权利要求3所述的基于光伏发电的蓄能系统，其特征在于，所述各天天气数据语义关联编码模块，用于：将所述天气数据独热编码向量的序列通过基于转换器模块的天气数据上下文编码器以得到所述上下文天气数据编码特征向量的序列。
5.根据权利要求4所述的基于光伏发电的蓄能系统，其特征在于，所述电量-天气时序特征交互融合模块，用于：使用电量-天气交互融合模块对所述上下文天气数据编码特征向量的序列和所述光伏发电局部时序特征向量的序...
【专利技术属性】
技术研发人员：包硕，吴若瑄，赵镇，万鹏，盖治国，张占国，龚渝茜，谢国锋，魏洪喜，
申请(专利权)人：中机智源科技有限公司，
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。