[发明专利]一种基于人工智能的太阳能发电系统

说明书

本发明公开了一种基于人工智能的太阳能发电系统，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。

技术领域

本发明涉及人工智能管理技术领域，特别涉及一种基于人工智能的太阳能发电系统。

背景技术

现有的太阳能发电系统普遍采用基于光源跟踪的实时控制，或根据预定的控制策略对所述太阳能发电系统进行预定的控制，这样的控制方式存在诸多弊端。一方面，现有控制方式无法对接下来的发电量，用电量进行预测，无法在厂端对可能面临的问题提前做出部署；另一方面，现有的控制方式时刻投入全部发电设备，使得发电设备全天候无停歇的工作，对设备损伤大，不利于延长设备寿命。

发明内容

为了解决上述技术问题，本发明提供了一种基于人工智能的太阳能发电系统，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。

进一步地，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。

进一步地，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。

进一步地，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。