[发明专利]一种基于BP神经网络的农村能源优化调度方法

说明书

本发明属于农村电能调度技术领域，提供了一种基于BP神经网络的农村能源优化调度方法，包括如下步骤：S1：初始化样板数据采集，根据农村能源的设计标准，建立样本特征数据；S2：初始化数据采集，在农村能源中采集原始数据；S3：构建BP神经网络训练模型，利用原始数据对特征数据对模型进行学习与训练；S4：采集的各级数据与通过训练后的BP神经网络模型进行特征匹配，并将数据进行标记；S5：将样本数据与进行特征匹配的数据，进行绝对值比较；S6：对比较后的数据进行放大，并定位，并上传至后台控制端；S7：后台控制端将统计数据从微电网处调整电力进入农村能源。上述的方法，以提高能源利用率，保证特定场景的农村能源利用率和稳定性。

技术领域

本发明涉及农村电能调度技术领域，具体涉及一种基于BP神经网络的农村能源优化调度方法。

背景技术

农村的特色养殖过程中，一些特定的农作物或养殖动物对环境中要求较为严格，而农业养殖中，通常以电能作为支撑农业养殖场地的能源；因此需要稳定的能源；

但是在实际需求中，由于农村与供电地距离较远，送电过程中，容易受到外界影响，而导致波动，这样一来就容易造成，养殖场地的能源波动，不能形成持续且稳定的能源、这样就能通过减少电能，实现一定的经济效益。

发明内容

针对现有技术中的缺陷，本发明提供一种基于BP神经网络的农村能源优化调度方法，以提高能源利用率，保证特定场景的农村能源利用率和稳定性。

本发明提供的一种基于BP神经网络的农村能源优化调度方法，包括如下步骤：

步骤一：初始化样板数据采集，根据农村能源的设计标准，建立样本特征数据；

步骤二：初始化数据采集，在农村能源中采集原始数据；

步骤三：构建BP神经网络训练模型，利用原始数对特征数据对模型进行学习与训练；

步骤四：农村能源运用时，实时采集的各级数据通过训练后的BP神经网络模型进行输出调度数值，并将采集的数据进行标记定位；

步骤五：将样本数据与调度数值，进行绝对值比较；

步骤六：将差异较大的数据，并上传后台控制端；

步骤七：后台控制端通过数据从微电网处调整电力进入农村能源补偿电能。

进一步的，所述步骤2中初始化数据采集包括；蓄电池储电量、沼气储量、沼气池压力、沼气池温度、沼气池湿度、环境温度和微电网中从电网市网获取的瞬时功率，并将其做为神经网络的输入量。

进一步的，所述步骤2中初始化数据采集，在蓄电池储电量、沼气储量、沼气池压力、沼气池温度、沼气池湿度、微电网中从电网市网获取的瞬时功率的采集中，任意一处数据采集过程中，在一天内均不少于10次的数据输入。这样的话，一天不同时间的不同数据集不少于10组，一年数据集不少于3650组。这样就更能够保证输出的真实性。

进一步的，所述步骤4中数据中，采集数据分为环境数据与电量数据；其中：环境数据包括；沼气池压力、沼气池温度和沼气池湿度、环境温度；其中环境温度可以是大棚温度或者是养殖场内部温度。电量数据包括；蓄电池储电量和微电网中从电网市网获取的瞬时功率。

进一步的，所述环境数据为静态特征。

进一步的，所述电量数据为动态特征。

进一步的，所述步骤5中的将采集的数据进行标记定位，并上传后台控制端。实际运用中，通过数据采集中的时间为参考值，类似于坐标值一样，通过该数据产生的时间，确定当时的用电状况，如果是电量少，就可以通过后续对该一时间点进行补偿，也就充电，保证稳定性。

进一步的，所述步骤7中的微电网，是能够通过分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。通过分布式电源的方式，进行供电。

由上述技术方案可知，本发明提供的一种基于BP神经网络的农村能源优化调度方法的有益效果：