[发明专利]一种基于人工智能的太阳能发电系统在审

专利信息
申请号: 201810038122.8 申请日: 2018-01-16
公开(公告)号: CN108256682A 公开(公告)日: 2018-07-06
发明(设计)人: 周赟 申请(专利权)人: 湖州华科信息咨询有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06N3/08;G06Q50/06;H02J3/38
代理公司: 佛山粤进知识产权代理事务所(普通合伙) 44463 代理人: 王余钱
地址: 313000 浙江省湖州市吴兴区吴兴*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人工智能 太阳能发电系统 上位机服务器 控制层 数据库 太阳能发电 光电转换 通信层 子单元 电能变换 通信连接 电网
【权利要求书】:

1.一种基于人工智能的太阳能发电系统,其特征在于,所述基于人工智能的太阳能发电系统具有控制层,通信层和执行层;

所述控制层,其具有上位机服务器,第一数据库,第二数据库;所述上位机服务器分别与所述第一数据库和第二数据库相连接;

所述通信层,其用于通信连接所述控制层与执行层;

所述执行层,其基于至少一个太阳能发电子单元实现光电转换,并将所述光电转换产生的电能变换后提供至电网,和/或负载;

所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制。

2.根据权利要求1所述的基于人工智能的太阳能发电系统,其特征在于,

所述所述上位机服务器基于人工智能对所述太阳能发电子单元进行控制的步骤包括学习算法和控制算法。

3.根据权利要求2所述的基于人工智能的太阳能发电系统,其特征在于,

所述学习算法包括:

S101,所述上位机服务器从所述第一数据库获取供电区域的历史用电量曲线;

S102,获取第一神经网络模型;

S103,基于所述供电区域的历史用电量曲线对所述第一神经网络模型进行训练;

S104,获取供电区域的用电量曲线预测模型;

S105,所述上位机服务器从所述第二数据库获取发电区域的历史发电量曲线;

S106,获取第二神经网络模型;

S107,基于所述发电区域的历史发电量曲线对所述第二神经网络模型进行训练;

S108,获取发电区域的发电量曲线预测模型。

4.根据权利要求3所述的基于人工智能的太阳能发电系统,其特征在于,

所述控制算法包括:

S201,获取当前时间T1;

S202,基于所述供电区域的用电量曲线预测模型及当前时间T1对接下来一段时间t的所述供电区域的用电量进行预测分析;

S203,输出所述供电区域的用电量预测曲线;

S204,基于所述发电区域的发电量曲线预测模型及当前时间T1对接下来一段时间t的所述发电区域的发电量进行预测分析;

S205,输出所述发电区域的发电量预测曲线;

S206,在当前时间T1开始的一段时间t的范围内,对所述用电量预测曲线进行积分,获得第一预测值;

S207,在当前时间T1开始的一段时间t的范围内,对所述发电量预测曲线进行积分,获得第二预测值;

S208,若所述第一预测值大于所述第二预测值,转S209;若所述第一预测值等于所述第二预测值,转S210;若所述第一预测值小于所述第二预测值,转S211;

S209,向所述太阳能发电子单元发出开始转向指令,控制所述太阳能发电子单元的发电单元时刻朝向光强最强的方向,并发出警报,在一段时间t后,转S201;

S210,延迟10分钟,转S201;

S211,随机选取部分所述太阳能发电子单元,向被选取的所述太阳能发电子单元发出停止工作指令,在一段时间t后,转S201。

5.根据权利要求4所述的基于人工智能的太阳能发电系统,其特征在于,

所述一段时间t为30分钟,或60分钟,或12小时,或24小时。

6.根据权利要求5所述的基于人工智能的太阳能发电系统,其特征在于,

所述供电区域的历史用电量曲线为二维曲线,其横轴为时间,其纵轴为历史用电量;

所述发电区域的历史发电量曲线为二维曲线,其横轴为时间,其纵轴为历史发电量。

7.根据权利要求6所述的基于人工智能的太阳能发电系统,其特征在于,

所述供电区域的用电量预测曲线为二维曲线,其横轴为时间,其纵轴为预测的用电量;

所述发电区域的发电量预测曲线为二维曲线,其横轴为时间,其纵轴为预测的发电量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖州华科信息咨询有限公司,未经湖州华科信息咨询有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810038122.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top