本發(fā)明屬于微能網(wǎng)源荷系統(tǒng)及預(yù)測(cè)，尤其涉及一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)及預(yù)測(cè)方法。

背景技術(shù)：

1、在全球能源轉(zhuǎn)型和可持續(xù)發(fā)展的大背景下，鄉(xiāng)村地區(qū)作為能源利用和管理的重要領(lǐng)域，其能源供給模式亟需創(chuàng)新。傳統(tǒng)的鄉(xiāng)村電網(wǎng)系統(tǒng)通常依賴于遠(yuǎn)程電力輸送，其能源供應(yīng)不穩(wěn)定且成本高昂。隨著電動(dòng)汽車的普及和光伏技術(shù)的進(jìn)步，鄉(xiāng)村地區(qū)的微能網(wǎng)成為解決能源短缺和提升能源自給自足能力的關(guān)鍵解決方案。

2、微能網(wǎng)系統(tǒng)通過(guò)集成分布式能源資源如光伏發(fā)電、儲(chǔ)能設(shè)備及電動(dòng)汽車充電設(shè)施，實(shí)現(xiàn)了能源的本地生產(chǎn)、存儲(chǔ)和消費(fèi)。這種系統(tǒng)可以大幅度降低對(duì)外部電網(wǎng)的依賴，提高能源利用效率，同時(shí)支持電動(dòng)汽車的智能充電和放電管理。光伏發(fā)電作為一種綠色能源，可以有效緩解傳統(tǒng)能源對(duì)環(huán)境的影響，但其輸出受天氣變化的影響較大，因此在微能網(wǎng)系統(tǒng)中，需要精確管理和優(yōu)化光伏發(fā)電、儲(chǔ)能和負(fù)荷之間的關(guān)系，以實(shí)現(xiàn)能源的高效利用。

3、智能預(yù)測(cè)技術(shù)在微能網(wǎng)的應(yīng)用中至關(guān)重要。通過(guò)對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的分析，智能預(yù)測(cè)方法可以幫助系統(tǒng)準(zhǔn)確預(yù)測(cè)電動(dòng)汽車的充電需求、光伏發(fā)電量及家庭負(fù)荷變化。這種預(yù)測(cè)能力能夠指導(dǎo)系統(tǒng)自動(dòng)調(diào)整充電策略，優(yōu)化儲(chǔ)能和發(fā)電資源的配置，從而提升系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)性。長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)擴(kuò)展模型xlstm在處理時(shí)間序列數(shù)據(jù)方面表現(xiàn)優(yōu)異，能夠有效應(yīng)對(duì)微能網(wǎng)中復(fù)雜的能源需求模式和動(dòng)態(tài)變化。

4、鑒于此，本領(lǐng)域技術(shù)人員一直在不斷的進(jìn)行新課題的研發(fā)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述現(xiàn)有技術(shù)中存在的不足之處，本發(fā)明提供了一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)及預(yù)測(cè)方法。其目的是為了實(shí)現(xiàn)優(yōu)化鄉(xiāng)村能源結(jié)構(gòu)，提高能源利用效率，電動(dòng)汽車隨機(jī)接入鄉(xiāng)村微能網(wǎng)后通過(guò)智能預(yù)測(cè)方法精準(zhǔn)管理源荷，確保鄉(xiāng)村供電的可靠性和經(jīng)濟(jì)性的發(fā)明目的。

2、本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：

3、一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)，包括：電動(dòng)汽車智能監(jiān)控一體化裝置、直流充電母線、儲(chǔ)能裝置、充電亭頂光伏及分布式屋頂光伏；其中，電動(dòng)汽車接入充電樁后與直流充電母線相連，直流充電母線、儲(chǔ)能裝置、充電亭頂光伏、分布式屋頂光伏及家用負(fù)荷分別與電動(dòng)汽車智能監(jiān)控一體化裝置相連；電動(dòng)汽車智能監(jiān)控一體化裝置連接到系統(tǒng)中，根據(jù)鄉(xiāng)村微能網(wǎng)監(jiān)測(cè)和管理各個(gè)部件的狀態(tài)和能量需求，通過(guò)實(shí)時(shí)多源數(shù)據(jù)采集，根據(jù)能源需求和光伏發(fā)電情況控制充電、放電和能量?jī)?yōu)化策略；直流充電母線連接到電動(dòng)汽車的充電樁，通過(guò)歸一化處理直流電；儲(chǔ)能裝置連接到系統(tǒng)中，通過(guò)智能監(jiān)控系統(tǒng)的實(shí)時(shí)數(shù)據(jù)采集和深度學(xué)習(xí)模型預(yù)測(cè)調(diào)整充放電策略，根據(jù)能源需求和光伏發(fā)電情況進(jìn)行優(yōu)化控制；充電亭頂光伏和分布式屋頂光伏通過(guò)逆變器將直流電轉(zhuǎn)換為交流電，逆變器的輸出供給家用負(fù)荷。

4、一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷預(yù)測(cè)方法，利用所述的一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)來(lái)實(shí)現(xiàn)，包括：

5、針對(duì)鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)，進(jìn)行實(shí)時(shí)多源數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理；

6、利用深度學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行選擇與訓(xùn)練，得到訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)；

7、利用訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)，進(jìn)行源荷預(yù)測(cè)與優(yōu)化電力配置。

8、更進(jìn)一步的，所述數(shù)據(jù)采集包括電動(dòng)汽車歷史充電模式數(shù)據(jù)、天氣數(shù)據(jù)、能源產(chǎn)量數(shù)據(jù)以及電動(dòng)汽車接入的鄉(xiāng)村微能網(wǎng)分布式源荷整體數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理包括采用插值、填充方法處理數(shù)據(jù)缺失值，剔除由于設(shè)備故障和人工干擾導(dǎo)致的異常數(shù)據(jù)點(diǎn)。

9、更進(jìn)一步的，所述針對(duì)鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)，進(jìn)行實(shí)時(shí)多源數(shù)據(jù)采集與預(yù)處理，是指對(duì)電動(dòng)汽車接入的鄉(xiāng)村微能網(wǎng)分布式源荷采集的整體數(shù)據(jù)進(jìn)行歸一化處理；

10、歸一化處理，表達(dá)式如下：

11、

12、上式中，x表示分布式微能網(wǎng)源荷數(shù)據(jù)中的某一特征值，xmin表示該特征值在數(shù)據(jù)集中的最小值，xmax表示該特征值在數(shù)據(jù)集中的最大值，y表示歸一化后的數(shù)據(jù)，其值域?yàn)閇0,1]。

13、更進(jìn)一步的，所述利用深度學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行選擇與訓(xùn)練，得到訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)，達(dá)到最優(yōu)預(yù)測(cè)效果，包括：

14、利用lstm模型對(duì)數(shù)據(jù)進(jìn)行選擇與訓(xùn)練；

15、基于lstm模型，在slstm模型中引入指數(shù)門(mén)控；

16、通過(guò)指數(shù)門(mén)控調(diào)整后的lstm模型，基于性能評(píng)價(jià)指標(biāo)確定預(yù)測(cè)效果優(yōu)劣。

17、更進(jìn)一步的，所述利用訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)，進(jìn)行源荷預(yù)測(cè)與優(yōu)化電力配置，完成系統(tǒng)的穩(wěn)定運(yùn)行和高效能源利用，是利用直流充電母線負(fù)荷預(yù)測(cè)準(zhǔn)確率算法來(lái)實(shí)現(xiàn)；

18、直流充電母線負(fù)荷預(yù)測(cè)準(zhǔn)確率算法，包括如下步驟：

19、步驟(41)根據(jù)xlstm模型預(yù)測(cè)數(shù)據(jù)，獲取第i個(gè)源荷采樣點(diǎn)的預(yù)測(cè)值si，第i個(gè)源荷采樣點(diǎn)的實(shí)際值ai；

20、步驟(42)計(jì)算單母線誤差ei，單母線誤差ei表示為：

21、

22、步驟(43)計(jì)算時(shí)段t所有母線誤差的均方根σi，表達(dá)式如下：

23、

24、上式中，i為第i個(gè)源荷采樣點(diǎn)，n為樣本數(shù)量；

25、步驟(44)根據(jù)步驟(42)和步驟(43)計(jì)算得到的單母線誤差ei和時(shí)段t所有母線誤差均方根σi，評(píng)價(jià)預(yù)測(cè)結(jié)果精度pe，如下式所示：

26、

27、上式中，t為總的時(shí)間步數(shù)，k為索引變量，用于遍歷從1到t的時(shí)間步。

28、一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷預(yù)測(cè)裝置，用于實(shí)現(xiàn)任一項(xiàng)所述的一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷預(yù)測(cè)方法的步驟，包括：

29、數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理模塊，用于針對(duì)鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)，進(jìn)行實(shí)時(shí)多源數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理；

30、選擇與訓(xùn)練模塊，用于利用深度學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行選擇與訓(xùn)練，得到訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)；

31、預(yù)測(cè)與優(yōu)化模塊，用于利用訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)，進(jìn)行源荷預(yù)測(cè)與優(yōu)化電力配置。

32、更進(jìn)一步的，所述針對(duì)鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)，進(jìn)行電動(dòng)汽車歷史充放電和能量的實(shí)時(shí)數(shù)據(jù)采集與預(yù)處理，是指對(duì)電動(dòng)汽車接入的鄉(xiāng)村微能網(wǎng)分布式源荷采集的整體數(shù)據(jù)進(jìn)行歸一化處理；

33、歸一化處理，表達(dá)式如下：

34、

35、上式中，x表示分布式微能網(wǎng)源荷數(shù)據(jù)中的某一特征值，xmin表示該特征值在數(shù)據(jù)集中的最小值，xmax表示該特征值在數(shù)據(jù)集中的最大值，y表示歸一化后的數(shù)據(jù)，其值域?yàn)閇0,1]；

36、所述利用訓(xùn)練好的深度學(xué)習(xí)數(shù)據(jù)，進(jìn)行源荷預(yù)測(cè)與優(yōu)化電力配置，是利用直流充電母線負(fù)荷預(yù)測(cè)準(zhǔn)確率算法來(lái)實(shí)現(xiàn)；

37、直流充電母線負(fù)荷預(yù)測(cè)準(zhǔn)確率算法，包括如下步驟：

38、步驟(41)根據(jù)xlstm模型預(yù)測(cè)數(shù)據(jù)，獲取第i個(gè)源荷采樣點(diǎn)的預(yù)測(cè)值si，第i個(gè)源荷采樣點(diǎn)的實(shí)際值ai；

39、步驟(42)計(jì)算單母線誤差ei，單母線誤差ei表示為：

40、

41、步驟(43)計(jì)算時(shí)段t所有母線誤差的均方根σi，表達(dá)式如下：

42、

43、上式中，i為第i個(gè)源荷采樣點(diǎn)，n為樣本數(shù)量；

44、步驟(44)根據(jù)步驟(42)和步驟(43)計(jì)算得到的單母線誤差ei和時(shí)段t所有母線誤差均方根σi，評(píng)價(jià)預(yù)測(cè)結(jié)果精度pe，如下式所示：

45、

46、上式中，t為總的時(shí)間步數(shù)，k為索引變量，用于遍歷從1到t的時(shí)間步。

47、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)介質(zhì)、處理器及存儲(chǔ)在存儲(chǔ)介質(zhì)上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)任一項(xiàng)所述的一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷預(yù)測(cè)方法的步驟。

48、一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)上存有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)任一項(xiàng)所述的一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷預(yù)測(cè)方法的步驟。

49、本發(fā)明具有以下有益效果及優(yōu)點(diǎn)：

50、本發(fā)明提供一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)及預(yù)測(cè)方法，通過(guò)智能化手段實(shí)現(xiàn)能源管理和預(yù)測(cè)優(yōu)化，具有重要的實(shí)際應(yīng)用價(jià)值和市場(chǎng)前景。本發(fā)明系統(tǒng)不僅能夠優(yōu)化鄉(xiāng)村能源結(jié)構(gòu)，還提高了能源利用效率，促進(jìn)可再生能源的廣泛應(yīng)用，推動(dòng)了鄉(xiāng)村地區(qū)能源管理的現(xiàn)代化進(jìn)程。將電動(dòng)汽車隨機(jī)接入鄉(xiāng)村微能網(wǎng)后通過(guò)智能預(yù)測(cè)方法精準(zhǔn)管理源荷，確保了鄉(xiāng)村供電的可靠性和經(jīng)濟(jì)性。

51、本發(fā)明提供一種電動(dòng)汽車接入鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)及預(yù)測(cè)方法，其中所述系統(tǒng)主要包括電動(dòng)汽車智能監(jiān)控一體化裝置、直流充電母線、儲(chǔ)能裝置、充電亭頂光伏、分布式屋頂光伏及家用負(fù)荷，建立了一種高效的鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)。利用智能預(yù)測(cè)方法，尤其是基于擴(kuò)展lstm模型的深度學(xué)習(xí)算法，優(yōu)化了電動(dòng)汽車的接入和能源管理策略，從而提高了整個(gè)系統(tǒng)的運(yùn)行效率和可靠性。該系統(tǒng)通過(guò)預(yù)測(cè)和優(yōu)化，最大限度地利用光伏發(fā)電，減少對(duì)傳統(tǒng)電網(wǎng)的依賴，增強(qiáng)了鄉(xiāng)村地區(qū)電力供應(yīng)的穩(wěn)定性和自給能力。此外，通過(guò)實(shí)時(shí)數(shù)據(jù)采集和動(dòng)態(tài)調(diào)整策略，本發(fā)明系統(tǒng)還能夠有效的平衡能源供需，減少能源浪費(fèi)，使經(jīng)濟(jì)效益得到顯著的提升。

52、本發(fā)明中智能監(jiān)控系統(tǒng)通過(guò)實(shí)時(shí)數(shù)據(jù)采集和深度學(xué)習(xí)模型預(yù)測(cè)，優(yōu)化充電策略和能量配置，以滿足不斷變化的能源需求。不僅可以提升鄉(xiāng)村微能網(wǎng)的穩(wěn)定性和可靠性，還能有效減少對(duì)傳統(tǒng)電網(wǎng)的依賴，推動(dòng)可持續(xù)能源的應(yīng)用和普及。

53、本發(fā)明通過(guò)增加電動(dòng)汽車智能監(jiān)控一體化裝置、基于擴(kuò)展lstm模型的深度學(xué)習(xí)算法和智能預(yù)測(cè)方法等關(guān)鍵部件和步驟，顯著提升了鄉(xiāng)村微能網(wǎng)分布式源荷系統(tǒng)的智能化管理與預(yù)測(cè)優(yōu)化能力。具體而言，電動(dòng)汽車智能監(jiān)控一體化裝置實(shí)現(xiàn)了對(duì)電動(dòng)汽車充電狀態(tài)和需求的實(shí)時(shí)監(jiān)控，優(yōu)化了電動(dòng)汽車的接入時(shí)機(jī)和方式，確保了電動(dòng)汽車與微能網(wǎng)系統(tǒng)的協(xié)調(diào)?；跀U(kuò)展lstm模型的深度學(xué)習(xí)算法能夠精準(zhǔn)預(yù)測(cè)電動(dòng)汽車充電需求、光伏發(fā)電量及家庭負(fù)荷變化，智能預(yù)測(cè)方法則動(dòng)態(tài)調(diào)整充電策略、儲(chǔ)能設(shè)備的充放電操作及負(fù)荷分配，有效平衡能源供需，提高能源利用效率。此外，系統(tǒng)通過(guò)智能預(yù)測(cè)和動(dòng)態(tài)調(diào)整策略，最大限度地利用光伏發(fā)電，減少對(duì)傳統(tǒng)電網(wǎng)的依賴，增強(qiáng)鄉(xiāng)村地區(qū)電力供應(yīng)的穩(wěn)定性和自給能力，顯著提升了經(jīng)濟(jì)效益并推動(dòng)了可再生能源的廣泛應(yīng)用。與現(xiàn)有技術(shù)相比，本發(fā)明優(yōu)化了能源管理和預(yù)測(cè)流程，解決了電動(dòng)汽車接入、光伏發(fā)電與儲(chǔ)能設(shè)備之間的協(xié)調(diào)難題，提高了系統(tǒng)的智能化、穩(wěn)定性和經(jīng)濟(jì)性，為鄉(xiāng)村能源管理的現(xiàn)代化進(jìn)程提供了強(qiáng)有力的技術(shù)支持。