一种基于人工智能的光伏储充控制系统的制作方法

本发明涉及人工智能，更具体地说，本发明是一种基于人工智能的光伏储充控制系统。

背景技术：

1、光伏储充控制系统是用于光伏发电系统中的控制系统，负责管理光伏发电系统的能量储存和充电过程，人工智能技术利用大数据分析和机器学习算法对光伏储充系统的历史数据进行挖掘和分析，对光伏发电、能量储存和负载需求等方面的数据进行分析和预测，优化能源的分配和利用，实现对系统的智能控制和调节，通过学习和优化，实现最优的充放电控制，提高能源利用效率和系统性能，通过对系统运行数据的监测和分析，可以准确识别潜在的故障风险，提前采取措施进行维护和修复，保障系统的稳定性和可靠性。

2、人工智能技术实现智能管理，优化能量控制，预测风险故障的根源是对光伏系统的准确监测，而光伏电池板因其化学特性，在工作状态下处于实时的损耗状态，对储充过程的精确监测直接影响人工智能预测的有效性。

3、为解决上述缺陷，现提出一种技术方案。

技术实现思路

1、本发明的目的是提供一种基于人工智能的光伏储充控制系统，以解决上述背景技术中的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于人工智能的光伏储充控制系统，其特征在于，包括要素采集模块、模型分析模块、识别模块、输出模块；

3、要素采集模块用于采集光伏储充控制系统的环境感知信息和决策效率信息，并将环境感知信息和决策效率信息传送至模型分析模块；

4、模型分析模块用于将环境感知信息和决策效率信息进行综合分析，建立分配平衡模型，运用逻辑回归方法计算决策平衡指数；

5、识别模块用于将计算所的决策平衡指数与预设的决策平衡指数进行比对，根据比对结果进行识别分类并赋予信号；

6、输出模块用于根据不同信号进行人工介入处理。

7、优选的，环境感知信息为储能稳定性漂移系数，计算方法为：

8、s101、获取光伏储充控制系统的各个分布式节点在t时间内若干个功率监测信号的反馈周期，并将反馈周期标定为txy，x表示光伏储充控制系统的不同分布式节点编号，y表示节点功率监测信号的反馈周期编号，且x＝{1,2,3…m}，m为正整数，且y＝{1,2,3…n}，n为正整数；

9、光伏储充控制系统的各个分布式节点在t时间内的功率监测信号的反馈周期获取步骤如下：

10、s1011、获取数据从分布式系统中一个节点向另一个节点发送传输请求所用的响应时间，将数据从分布式系统中一个节点向另一个节点发送传输请求所用的响应时间标定为ts；

11、s1012、获取分布式系统中一个节点接收数据传输请求并进行数据传输操作所用的响应时间，将分布式系统中一个节点接收数据传输请求并进行数据传输操作所用的响应时间标定为td；

12、s1013、计算功率监测信号的反馈周期表达式为txy＝ts+td；

13、s102、计算光伏储充控制系统在t时间内功率监测信号的反馈周期的标准差，则标准差st的表达式为式中，m为光伏储充控制系统全部节点的总数量，为光伏储充控制系统在t时间内功率监测信号的反馈周期的平均值，其计算表达式为

14、s103、计算光伏储充控制系统在t时间内的储能稳定性漂移系数的表达式为es＝st×exp(st2+1)。

15、优选的，决策效率信息为决策匹配稳定性系数，计算方法为：

16、s201、对光伏储充控制系统在t时间内预测结果的综合评估指数设置预设参考值，并将综合评估指数预设参考值标定为ev，且ev大于1；

17、需要说明的是，综合评估指数预设参考值，为量化后的具体参考数值，在此不做具体的限定，ev为大于1的数值，综合评估指数，即f值，取值范围在0到1之间，能够综合考虑匹配准确率p和召回率r的指标；

18、s202、获取光伏储充控制系统在t时间内不同时段(时段内的时间相等)的综合评估指数，并将综合评估指数标定为cx，x表示光伏储充控制系统在t时间内不同时段的综合评估指数的编号，且x＝1,2,3…b}，b为正整数；

19、综合评估指数计算的表达式为式中，p表示匹配准确率，判断准确率是指光伏储充控制系统判定为异常预测中，实际上是异常预测的比例，计算方法为：匹配准确率＝正确匹配的异常预测数/所有被判定为异常预测的数目，r表示召回率，召回率是指光伏储充控制系统正确匹配的异常预测数量与所有实际异常预测数量之间的比例，计算方法为：召回率＝正确匹配的异常预测数/所有实际异常预测数目；

20、s203、计算决策匹配稳定性系数的表达式为

21、优选的，运用逻辑回归方法计算决策平衡指数的逻辑为：

22、计算光伏储充控制系统的决策平衡指数，其计算表达式为式中，g为与光伏电池板充电效率相关的常数，且g大于0，α、β分别为储能稳定性漂移系数、决策匹配稳定性系数的比例系数，且α、β均大于0。

23、优选的，根据计算所的决策平衡指数与预设的决策平衡指数的比对结果进行识别分类并赋予信号的逻辑为：

24、识别模块将计算所得光伏储充控制系统的决策平衡指数与预设的决策平衡指数阈值进行比对，若计算所得决策平衡指数大于等于预设决策平衡指数，则生成介入信号，若计算所得决策平衡指数小于预设决策平衡指数，则生成稳定信号。

25、优选的，根据不同信号进行人工介入处理的逻辑为：

26、输出模块根据识别模块所生成的介入信号进行处理策略分析，当接收到识别模块所生成的介入信号后，输出模块根据介入信号产生后t时间内光伏储充控制系统的连续若干个决策平衡指数数据整合生成数据集合，并将数据集合内的决策平衡指数进行标定为hd，其中d为决策平衡指数编号，即d＝{1,2,3…h}，其中h为正整数；

27、计算数据集合内若干个决策平衡指数的标准差，并将决策平衡指数的标准差标定为rv，并将决策平衡指数标准差rv与预设的决策平衡指数标准差阈值ru进行对比，根据对比结果进行预警处理，处理逻辑如下：

28、若rv大于等于ru，则对光伏储充控制系统标记为高风险等级，提示工作人员光伏储充控制系统存在高误差风险隐患，需要进行检测维护；

29、若rv小于ru，则对光伏储充控制系统标记为低风险等级，提示工作人员光伏储充控制系统存在低误差风险隐患，不需要进行检测维护。

30、在上述技术方案中，本发明提供的技术效果和优点：

31、本发明通过对光伏储充控制系统的决策平衡指数进行检测，当发现储充电控制的平衡性出现异常时，对光伏储充控制系统后续运作状态进行综合分析，判断异常隐患并发出预警提示，一方面便于工作人员及时感知异常隐患现象，对异常隐患进行提前检测，有效防止成像效果的稳定性降低导致的对潜在故障和异常预警不及时风险发生，进而有效地防止系统故障，另一方面便于工作人员检测光伏储充控制系统运行状态，便于工作人员进行检测管理，提高工作效率。

技术特征：

1.一种基于人工智能的光伏储充控制系统，其特征在于，包括要素采集模块、模型分析模块、识别模块、输出模块；

2.根据权利要求1所述的一种基于人工智能的光伏储充控制系统，其特征在于，环境感知信息为储能稳定性漂移系数，计算方法为：

3.根据权利要求1所述的一种基于人工智能的光伏储充控制系统，其特征在于，决策效率信息为决策匹配稳定性系数，计算方法为：

4.根据权利要求1所述的一种基于人工智能的光伏储充控制系统，其特征在于，运用逻辑回归方法计算决策平衡指数的逻辑为：

5.根据权利要求4所述的一种基于人工智能的光伏储充控制系统，其特征在于，根据计算所的决策平衡指数与预设的决策平衡指数的比对结果进行识别分类并赋予信号的逻辑为：

6.根据权利要求5所述的一种基于人工智能的光伏储充控制系统，其特征在于，根据不同信号进行人工介入处理的逻辑为：

技术总结本发明公开了一种基于人工智能的光伏储充控制系统，具体涉及人工智能技术领域，包括要素采集模块、模型分析模块、识别模块、输出模块，要素采集模块用于采集光伏储充控制系统的环境感知信息和决策效率信息，并将环境感知信息和决策效率信息传送至模型分析模块，模型分析模块用于将环境感知信息和决策效率信息进行综合分析，建立分配平衡模型，运用逻辑回归方法计算决策平衡指数，识别模块用于将计算所的决策平衡指数与预设的决策平衡指数进行比对，根据比对结果进行识别分类并赋予信号，输出模块用于根据不同信号进行人工介入处理，能够有效对储充状态的准确性进行监测，以确保人工智能算法预测的有效性。技术研发人员：朱元,钱伟,王瑞受保护的技术使用者：无锡市政公用新能源科技有限公司技术研发日：技术公布日：2024/9/2