一种基于AI的分布式光伏组件管理方法及系统与流程

本发明涉及光伏，更具体地说，本发明涉及一种基于ai的分布式光伏组件管理方法及系统。

背景技术：

1、随着太阳能光伏技术的快速发展，使得光伏组件（即太阳能板）在能源生产中的应用越来越普及；光伏组件将太阳能直接转化为电能，是光伏发电系统的核心部分；传统的光伏发电系统多为集中式，虽然发电规模大，但也存在建设周期长、成本高、输电损耗大等问题；随着技术的进步和市场需求的变化，分布式光伏系统逐渐兴起；分布式光伏系统通过将光伏组件分散安装在建筑物屋顶、工业园区、农业设施等地，能够更好地利用空间，降低输电损耗，提升供电可靠性；然而，分布式光伏组件易受到各类因素（如倾斜角度和方位不理想等）影响，导致发电效率下降。

2、目前，现有的分布式光伏组件管理方法或系统，大多倾向于通过跟踪太阳来实现对光伏太阳能板的倾斜角调整，例如授权公开号为cn101859149b的专利公开了一种太阳能电池板角度自动调整的方法和太阳能电池系统，此类方法虽通过跟踪太阳位置实现了对光伏太阳能板的倾斜角调整，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：

3、（1）太阳图像质量易受环境因素影响，导致系统可靠性较低，且无法筛选出在未来低效时段内的多个低效光伏太阳能板，并进行针对性的事先控制，存在一定的管理滞后性；

4、（2）智能化较低，无法在获取未来低效时段和多个低效光伏太阳能板的基础上，精准分析出每个低效光伏太阳能板的最佳倾斜角度；从而难以对多个低效光伏太阳能板进行倾斜角调整；进一步地，难以确保每个光伏太阳能板在每一时刻下均处于最佳倾斜角度；进而无法保障分布式光伏组件集群的发电效率和发电量。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种基于ai的分布式光伏组件管理方法及系统。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于ai的分布式光伏组件管理方法，所述方法包括：

4、s101：采集在既定监测时间区间[q-u,q]内的辐射影响特征数据，依据辐射影响特征数据，获取光伏组件集中m个光伏太阳能板在未来时段[q+u,q+2u]的初始辐射强度系数，q、u和m均为大于零的整数；

5、其中，所述初始辐射强度系数通过预配置的数学计算模型计算得到，所述预配置数学计算模型的公式为：；式中：为初始辐射强度系数，为太阳能板表面温度，为太阳光的入射角，为太阳的高度角，为太阳能板的初始倾斜角度，为既定观测时间区间的时长，为波长，为普朗克常数，为光速，为玻尔兹曼常数，为波长衰减系数，为时间衰减系数，为自然常数；

6、s102：基于初始辐射强度系数判断光伏组件集是否处于光照状态下，若处于，则筛选出光伏组件集中的r个低效光伏太阳能板，并确定低效光伏太阳能板所处的未来低效时段；若不处于，则令q=q+k，并返回步骤s101，r和k为大于零的整数；

7、s103：利用预配置遗传算法，确定每个低效光伏太阳能板的最佳倾斜角度；

8、s104：当处于未来低效时段时，根据最佳倾斜角度控制低效光伏太阳能板的转向机构进行倾斜角调整。

9、进一步地，所述辐射影响特征数据包括光伏组件集中m个光伏太阳能板所处环境的天气数据和运行状态数据；其中，所述天气数据包括在既定监测时间区间内每一时刻下的环境温度、太阳光入射角、太阳高度角、风速、湿度和降雨量；所述运行状态数据包括在既定监测时间区间内光伏太阳能板处于每一时刻下的倾斜角度、表面温度、电流、电压和表面反射率。

10、进一步地，所述获取光伏组件集中m个光伏太阳能板在未来时段[q+u,q+2u]的初始辐射强度系数，包括：

11、a1：提取光伏组件集中第i个光伏太阳能板在既定监测时间区间[q-u,q]内的辐射影响特征数据；

12、a2：将第i个光伏太阳能板的辐射影响特征数据，输入预配置的辐射回归模型中，预测第i个光伏太阳能板在未来时段[q+u,q+2u]的初始辐射强度系数，并令i=i+1，并返回步骤a1，i为大于零的整数；

13、a3：重复上述步骤a1～a2，直至i=m时，结束循环，得到m个光伏太阳能板在未来时段[q+u,q+2u]的初始辐射强度系数。

14、进一步地，所述预配置的辐射回归模型的生成逻辑如下：

15、获取历史辐射回归训练数据，将历史辐射回归训练数据划分为辐射回归训练集和辐射回归测试集；所述历史辐射回归训练数据中包含辐射影响特征数据及其对应的初始辐射强度系数；

16、其中，所述历史辐射回归训练数据中初始辐射强度系数的生成逻辑如下：

17、获取既定观测时间区间内的观测参数数据；

18、其中，所述观测参数数据包括太阳能板表面温度、太阳光的入射角、太阳的高度角和太阳能板的初始倾斜角度；

19、将既定观测时间区间内的观测参数数据，代入预配置的数学计算模型中，得到初始辐射强度系数；

20、构建回归网络，将辐射回归训练集中的辐射影响特征数据作为回归网络的输入数据，以及将辐射回归训练集中初始辐射强度系数作为回归网络的输出数据，对回归网络进行模型训练，得到初始辐射回归网络；

21、利用辐射回归测试集对初始辐射回归网络进行模型测试，输出小于等于预设测试误差的初始辐射回归网络作为预配置的辐射回归模型。

22、进一步地，所述判断光伏组件集是否处于光照状态下，包括：

23、按数值从大到小，对m个光伏太阳能板的初始辐射强度系数进行排序，将排序第一初始辐射强度系数对应的光伏太阳能板作为基准光伏太阳能板；

24、提取基准光伏太阳能板的初始辐射强度系数，将基准光伏太阳能板的初始辐射强度系数与预设第一初始辐射强度系数阈值进行比对；

25、若基准光伏太阳能板的初始辐射强度系数小于等于预设第一初始辐射强度系数阈值，则判定光伏组件集不处于光照状态下；

26、若基准光伏太阳能板的初始辐射强度系数大于预设第一初始辐射强度系数阈值，则判定光伏组件集处于光照状态下。

27、进一步地，所述筛选出光伏组件集中的r个低效光伏太阳能板，包括：

28、b1：提取m个光伏太阳能板中的第j个初始辐射强度系数，j为大于零的整数；

29、b2：将第j个初始辐射强度系数与预设第二初始辐射强度系数阈值进行比对，若第j个初始辐射强度系数小于等于预设第二初始辐射强度系数阈值，则将对应的光伏太阳能板标记为低效光伏太阳能板，并令j=j+1，并返回步骤b1；若第j个初始辐射强度系数大于预设第二初始辐射强度系数阈值，则剔除第j个初始辐射强度系数对应的光伏太阳能板，并令j=j+1，并返回步骤b1；

30、b3：重复上述步骤b1～b2，直至i=m时，结束循环，得到r个低效光伏太阳能板。

31、进一步地，当筛选出低效光伏太阳能板的数量r为零时，则令q=q+k，并返回步骤s101。

32、进一步地，所述确定低效光伏太阳能板所处的未来低效时段，包括：

33、提取每个低效光伏太阳能板对应初始辐射强度系数的未来时段[q+u,q+2u]；

34、将未来时段[q+u,q+2u]标记为低效光伏太阳能板所处的未来低效时段。

35、进一步地，所述确定每个低效光伏太阳能板的最佳倾斜角度，包括：

36、c1：初始化种群：随机产生原始种群，所述原始种群种中包含n个个体，每个个体代表一个光伏太阳能板的倾斜角度，n为大于零的整数；

37、c2：适应度评估：分别将每个个体代表的倾斜角度替换掉辐射影响特征数据中的初始倾斜角度，得到多个更新辐射影响特征数据，将每个更新辐射影响特征数据，重新输入预配置的辐射回归模型中，得到模拟辐射强度系数，将模拟辐射强度系数输入预构建的适应度函数中，计算得到每个个体的适应度；

38、其中，所述预构建的适应度函数的计算公式为：；式中：为适应度，为模拟辐射强度系数，为参考辐射强度系数；

39、c3：选择：采用轮盘赌法选择原始种群中两个适应度高的个体作为父本和母本；

40、c4：交叉：对父本和母本进行交叉操作，以产生新的个体；

41、c5：变异：采用高斯变异法对新的个体进行变异操作，得到m个新的个体，将m个新的个体组合为新种群，并将新种群替换掉原始种群，并返回步骤c2；

42、c6：重复上述步骤c2～c5，直至原始种群或新种群中个体的适应度大于等于预设的适应度阈值时，输出对应个体代表的倾斜角度作为最佳倾斜角度。

43、一种基于ai的分布式光伏组件管理系统，包括：

44、数据处理模块，用于采集在既定监测时间区间[q-u,q]内的辐射影响特征数据，依据辐射影响特征数据，获取光伏组件集中m个光伏太阳能板在未来时段[q+u,q+2u]的初始辐射强度系数，q、u和m均为大于零的整数；

45、其中，所述初始辐射强度系数通过预配置的数学计算模型计算得到，所述预配置数学计算模型的公式为：；式中：为初始辐射强度系数，为太阳能板表面温度，为太阳光的入射角，为太阳的高度角，为太阳能板的初始倾斜角度，为既定观测时间区间的时长，为波长，为普朗克常数，为光速，为玻尔兹曼常数，为波长衰减系数，为时间衰减系数，为自然常数；

46、光伏筛选模块，用于基于初始辐射强度系数判断光伏组件集是否处于光照状态下，若处于，则筛选出光伏组件集中的r个低效光伏太阳能板，并确定低效光伏太阳能板所处的未来低效时段；若不处于，则令q=q+k，并触发数据处理模块，r和k为大于零的整数；

47、角度确定模块，用于利用预配置遗传算法，确定每个低效光伏太阳能板的最佳倾斜角度；

48、光伏调控模块，用于当处于未来低效时段时，根据最佳倾斜角度控制低效光伏太阳能板的转向机构进行倾斜角调整。

49、相比于现有技术，本发明的有益效果在于：

50、本技术公开了一种基于ai的分布式光伏组件管理方法及系统，包括：依据辐射影响特征数据，获取光伏组件集中m个光伏太阳能板在未来时段的初始辐射强度系数；基于初始辐射强度系数判断光伏组件集是否处于光照状态下，若处于，则筛选出光伏组件集中的r个低效光伏太阳能板，并确定低效光伏太阳能板所处的未来低效时段；若不处于，则令q=q+k；利用预配置遗传算法，确定每个低效光伏太阳能板的最佳倾斜角度；当处于未来低效时段时，根据最佳倾斜角度控制低效光伏太阳能板的转向机构进行倾斜角调整；基于上述过程，本发明能够筛选出在未来低效时段内的多个低效光伏太阳能板，并进行针对性的事先控制，有利于提高系统的可靠性，同时，有利于降低管理滞后性；此外，通过在获取未来低效时段和多个低效光伏太阳能板的基础上，精准分析出每个低效光伏太阳能板的最佳倾斜角度；本发明能够对多个低效光伏太阳能板进行倾斜角调整；进一步地，有利于确保每个光伏太阳能板在每一时刻下均处于最佳倾斜角度；进而能够保障分布式光伏组件集群的发电效率和发电量。