摘要
一种光伏储能控制方法及光伏储能控制系统,涉及G06F30/27机器学习领域。在该方法中,光伏储能系统通过对预置卷积神经网络和循环神经网络模型进行训练,分别得到最优工作点计算模型和预测未来一小时用电量模型;系统利用实时采集的数据,根据不同数据输入模型得到当前最大功率跟踪点参数和未来一小时用电量;当预计总电量与未来一小时用电量的储能比例值不超出预设阈值时,控制光伏板以最大功率跟踪点参数发电;超出则按比例控制发电时长占比。实施本申请提供的技术方案,根据实时的发电和用电情况,灵活地调整光伏板的发电行为,既避免了电能的浪费,又能确保在不同的用电需求下系统的稳定供电,提高了整个光伏储能系统的适应性和灵活性。
技术关键词
光伏储能控制系统
电池状态数据
工作点
发电量
循环神经网络模型
光伏储能系统
计算机程序代码
光伏板
功率
天气
参数
计算机程序产品
光照
设备耗电量
电池管理系统
电池组
系统为您推荐了相关专利信息
负荷历史数据
负荷预测方法
灰狼算法
大数据
循环神经网络模型
博弈论模型
电力调度方法
电力系统
预测电力负荷
节点
数字孪生模型
光伏系统
三维立体模型
光伏组件
无人机航拍图像
深度Q神经网络
能源管理优化方法
深度Q网络
储能设备
光伏发电数据
电量预测模型
电厂发电量
燃煤
长短期记忆网络
电场