(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211244830.X (22)申请日 2022.10.12 (65)同一申请的已公布的文献号 申请公布号 CN 115333100 A (43)申请公布日 2022.11.11 (73)专利权人 四川中电启明星信息技 术有限公 司 地址 610000 四川省成 都市郫都区现代工 业港 （南片区） 西源大道 2688号 专利权人 国网信息通信产业 集团有限公司 (72)发明人 李强　赵峰　宋卫平　张捷　 唐冬来　佘文魁　刘秋辉　杨俏　 黄璞　 (74)专利代理 机构 成都君合集专利代理事务所 (普通合伙) 51228 专利代理师 尹新路 (51)Int.Cl. H02J 3/00(2006.01)H02J 13/00(2006.01) H02J 3/38(2006.01) (56)对比文件 CN 112217208 A,2021.01.12 CN 108038569 A,2018.0 5.15 JP 201421709 2 A,2014.1 1.17 CN 114091316 A,202 2.02.25 CN 114520512 A,202 2.05.20 CN 102521670 A,2012.0 6.27 CN 114707713 A,202 2.07.05 JP 2004072900 A,2004.03.04 CN 115036922 A,2022.09.09 唐冬来.基 于台区功率共济的屋顶光伏功率 消纳方法. 《供用电》 .202 2,第39卷(第2期), 吕晓芳.光伏系统与家庭能量需求调度优 化. 《中国优秀学位硕士论文 全文数据库》 .2020, 审查员 刘娅 (54)发明名称 屋顶光伏发电功率协同控制方法及系统 (57)摘要 本发明提供一种屋顶光伏发电功率协同控 制方法及系统， 通过预测各光伏发电区域的发电 量预测结果及用电量预测结果， 并结合在各光伏 发电区域进行电量调度的电量调度损耗参数确 定对应的调度控制策略， 然后根据对应的调度控 制策略各光伏发电区域对应的联络控制开关， 从 而使联络控制开关根据调度控制策略控制各光 伏发电区域在目标时间段内向其他光伏发电区 域提供电能或从其他光伏发电区域获取电能。 如 此， 可以较为准确地确定各个光伏发电区域的发 电/用电量， 从而在各个光伏区间之间实现跨区 域的电量协同调度， 能够有效提高屋顶光伏发电 功率的消纳比例， 提高光伏发电的利用率。 权利要求书5页 说明书13页 附图4页 CN 115333100 B 2022.12.16 CN 115333100 B 1.一种屋顶光伏发电功率协同控制方法， 其特 征在于， 所述方法包括： 获取多个光伏发电区域的位置标识、 在目标时间段之前的发电量历史记录、 天气历史 记录、 用电量历史记录及储电量历史记录； 将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录， 分别输入第 一预 测网络， 获得 各所述光伏发电区域在所述目标时间段的发电量预测结果； 将各所述光伏发电区域的所述用电量历史记录输入第 二预测网络， 获得各所述光伏发 电区域在所述目标时间段的用电量预测结果； 根据所述发电量预测结果、 所述用电量预测结果及所述储电量历史记录， 确定各所述 光伏发电区域的在所述目标时间段内的协同供电调度电量； 根据各所述光伏发电区域的位置标识确定各所述光伏发电区域之间的电量调度损耗 参数； 根据各所述光伏发电区域的协同供电调度电量及各所述光伏发电区域之间的电量调 度损耗参数， 确定对应的调度控制策略； 将所述调度控制策略下发至各所述光伏发电区域对应的联络控制开关， 使所述联络控 制开关根据所述调度控制策略控制各所述光伏发电区域在所述目标时间段内向其他光伏 发电区域 提供电能或 从其他光伏发电区域获取电能； 其中， 所述将各所述光伏发电区域的所述发电量历史记录及所述天气历史记录， 分别 输入第一预测网络， 获得各所述光伏发电区域在所述目标时间段的发电量预测结果的步 骤， 包括： 通过所述第 一预测网络的第 一特征提取模型对所述天气历史记录进行特征提取， 得到 天气变化特 征序列； 通过所述第 一预测网络的第 二特征提取模型对所述发电量历史记录进行特征提取， 得 到发电量变化特 征序列； 通过所述第一预测网络的第一特征融合模型对所述天气变化特征序列和所述发电量 变化特征序列进行 特征融合， 得到第一中间特 征序列； 通过所述第 一预测网络的自注意力 机制模块对所述第 一中间特征序列进行处理， 得到 第二中间特 征序列； 根据所述第二中间特 征序列确定发电量预测特 征； 通过所述第一预测网络的发电量预测模块根据所述发电量预测特征确定所述光伏发 电区域在所述目标时间段的发电量预测结果； 其中， 所述将各所述光伏发电区域的所述用电量历史记录输入第二预测网络， 获得各 所述光伏发电区域在所述目标时间段的用电量预测结果的步骤， 包括： 从所述用电量历史记录获取分时用电量特征序列； 所述分时用电量特征序列包括在第 N个时间段之前的M个时间段的分时用电量特征数据； 其中， 所述第N个时间段为所述目标时 间段； 从所述用电量历史记录获取每日用电量数据记录序列； 所述每日用电量数据记录序列 包括在所述第N个时间段之前的所述M个时间段的每日用电量数据； 对所述每日用电量数据记录序列进行数据拆分处理， 得到用电量趋势变化序列、 各月 用电量记录序列以及非工作日用电量记录序列；权　利　要　求　书 1/5 页 2 CN 115333100 B 2根据所述分时用电量特征序列、 所述用电量趋势变化序列、 所述各月用电量记录序列 以及所述非工作日用电量记录序列进行用电量预测， 得到所述第N个时间段 的每日用电量 数据。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述第 一预测网络的第 一特征融 合模型对所述天气 变化特征序列和所述 发电量变化特征序列进行特征融合， 得到第一中间 特征序列的步骤， 包括： 按照时序将所述天气变化特 征序列拆分为多个天气变化特 征片段； 对每个天气变化特征片段进行均值池化， 得到多个天气片段池化特征， 所述多个天气 片段池化特 征构成中间天气变化特 征序列； 按照时序将所述发电量变化特 征序列拆分为多个发电量特 征片段； 对每个发电量特征片段进行均值池化， 得到多个发电量片段池化特征， 所述多个发电 量片段池化特 征构成中间发电量变化特 征序列； 获取预设的训练调整特 征； 将所述训练调整特征、 所述中间天气变化特征序列以及所述中间发电量变化特征序列 进行特征融合， 得到第一中间特 征序列； 所述通过所述第一预测网络的自注意力 机制模块对所述第 一中间特征序列进行处理， 得到第二中间特 征序列的步骤， 包括： 将所述第一中间特征序列映射到查询特征向量、 键特征向量以及值特征向量的空间 中， 得到查询特征向量序列、 键特征向量序列以及值特征向量序列， 并计算所述查询特征向 量序列与所述键特 征向量序列的相关度矩阵； 确定所述第 一中间特征序列中与 所述训练调整特征对应的训练调整相关特征、 与 所述 中间天气变化特征序列对应的天气相关特征序列以及与所述中间发电量变化特征序列对 应的发电量相关特 征序列； 确定所述训练调整相关特征与所述第一中间特征序列中每个特征的第一特征交互计 算结果， 所述天气相关特征序列中每个特征与所述发电量相关特征序列中每个特征之 间的 第二特征交互计算结果； 根据所述第 一特征交互计算结果、 所述第 二特征交互计算结果以及所述相关度矩阵计 算相关度权 重矩阵； 基于所述相关度权重矩阵对所述值特征向量序列进行加权处理， 得到第 二中间特征序 列。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 二中间特征序列确定发电 量预测特 征的步骤， 包括： 从所述第二中间特 征序列中提取 出所述训练调整特 征对应的融合训练调整相关特 征； 采用第一残差和归一化模块对所述融合训练调 整相关特征进行处理， 得到第 一处理特 征； 采用前馈神经网络模块对所述第一处 理特征进行处 理， 得到第二处 理特征； 采用第二残差和归一化模块对所述第二处理特征进行处理， 得到所述发电量预测特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述分时用电量特征序列、 所述权　利　要　求　书 2/5 页 3 CN 115333100 B 3