本說明書實施例涉及光伏發(fā)電，特別涉及基于5g的邊緣智能化光伏控制方法。
背景技術：
1、隨著新型電力系統的建設，高比例光伏臺區(qū)的傳統監(jiān)控系統的缺點逐漸顯現。在設備接入方面，傳統的有線通信方式需要大量的光纖線纜和rs485通信總線。但是rs485總線具有設備接入量少、傳輸距離短、通信時延高以及通信阻塞等缺點。在電站運維及巡檢方面，光伏電站缺乏基于平臺、數據和可視化的運維解決方案，并且設備故障評估、數據挖掘的能力欠缺，無法真正實現智能化運維。在實時控制方面，在傳統的基于有線通信方案下，配電網云主站控制中心通訊單元會將tcp控制報文轉換成串口協議報文，然后再發(fā)送給目標光伏逆變器。這個過程需要花費8秒到15秒的時間，控制路徑很長，速度很慢。
2、由此，亟需一種更好的方案。
技術實現思路
1、有鑒于此，本說明書實施例提供了基于5g的邊緣智能化光伏控制方法。本說明書一個或者多個實施例同時涉及基于5g的邊緣智能化光伏控制裝置，一種計算設備，一種計算機可讀存儲介質以及一種計算機程序，以解決現有技術中存在的技術缺陷。
2、根據本說明書實施例的第一方面，提供了一種基于5g的邊緣智能化光伏控制方法，應用于智能化光伏控制系統，系統包括云平臺、臺區(qū)智能融合終端和光伏臺區(qū)；方法包括：
3、光伏臺區(qū)獲取光伏數據，并基于5g切片類型向臺區(qū)智能融合終端發(fā)送光伏數據；其中，光伏臺區(qū)包括5g通信網關和至少一個光伏陣列；
4、臺區(qū)智能融合終端基于光伏數據采用光伏預測模型進行光伏功率預測，確定光伏功率預測結果；基于光伏功率預測結果和光伏臺區(qū)的運行狀態(tài)，通過深度強化學習決策確定各光伏陣列的出力曲線，并將出力曲線下發(fā)至各光伏陣列；
5、云平臺基于光伏發(fā)電歷史運行數據進行代理訓練確定權重系數，并將權重系數下發(fā)至臺區(qū)智能融合終端中的光伏預測模型。
6、在一種可能的實現方式中，基于光伏發(fā)電歷史運行數據進行代理訓練確定權重系數，并將權重系數下發(fā)至臺區(qū)智能融合終端中的光伏預測模型，包括：
7、云平臺基于光伏發(fā)電歷史運行數據構建代理模型的訓練集；
8、基于訓練集進行模型訓練，確定代理模型的權重系數；
9、將權重系數下發(fā)至臺區(qū)智能融合終端中的光伏預測模型。
10、在一種可能的實現方式中，5g通信網關包括5g通信模塊和光伏控制器；
11、5g通信模塊和光伏控制器，用于實現光伏臺區(qū)下的各光伏設備的數據采集和反向控制指令的下發(fā)；
12、光伏數據包括光伏設備的直流側電壓、電流、功率、交流側電壓和光伏并網開關的狀態(tài)。
13、在一種可能的實現方式中，基于5g切片類型向臺區(qū)智能融合終端發(fā)送光伏數據，包括：
14、基于時延切片將光伏陣列的并網開關控制數據發(fā)送至臺區(qū)智能融合終端；
15、基于可靠切片將光伏逆變器功率調控指令發(fā)送至臺區(qū)智能融合終端；
16、基于低功耗廣域切片將低頻數據發(fā)送至臺區(qū)智能融合終端；其中，低頻數據包括電表數據、溫濕度和光照強度。
17、在一種可能的實現方式中，基于光伏數據采用光伏預測模型進行光伏功率預測，確定光伏功率預測結果，包括：
18、基于光伏數據確定目標時間段內的功率數據、環(huán)境數據和時間戳數據；
19、基于功率數據、環(huán)境數據和時間戳數據構成多維時間序列；
20、基于多維時間序列通過gru網絡的重置門、更新門、候選狀態(tài)和最終狀態(tài)確定光伏功率預測結果。
21、在一種可能的實現方式中，基于光伏功率預測結果和光伏臺區(qū)的運行狀態(tài)，通過深度強化學習決策確定各光伏陣列的出力曲線，包括：
22、基于光伏功率預測結果，以及結合光伏臺區(qū)的負荷狀態(tài)、當前電價、儲能狀態(tài)以及時間點作為深度強化學習的輸入狀態(tài)，決策出下一時刻光伏的發(fā)電功率。
23、在一種可能的實現方式中，還包括：
24、云平臺獲取光伏臺區(qū)的運行數據，基于運行數據生成可視化展示界面；
25、云平臺還用于進行光伏發(fā)電統計報表、運維管理以及配電主站的調度指令。
26、根據本說明書實施例的第二方面，提供了一種基于5g的邊緣智能化光伏控制裝置，應用于智能化光伏控制系統，系統包括云平臺、臺區(qū)智能融合終端和光伏臺區(qū)；裝置包括：
27、數據切片模塊，被配置為光伏臺區(qū)獲取光伏數據，并基于5g切片類型向臺區(qū)智能融合終端發(fā)送光伏數據；其中，光伏臺區(qū)包括5g通信網關和至少一個光伏陣列；
28、數據預測模塊，被配置為臺區(qū)智能融合終端基于光伏數據采用光伏預測模型進行光伏功率預測，確定光伏功率預測結果；基于光伏功率預測結果和光伏臺區(qū)的運行狀態(tài)，通過深度強化學習決策確定各光伏陣列的出力曲線，并將出力曲線下發(fā)至各光伏陣列；
29、數據管控模塊，被配置為云平臺基于光伏發(fā)電歷史運行數據進行代理訓練確定權重系數，并將權重系數下發(fā)至臺區(qū)智能融合終端中的光伏預測模型。
30、根據本說明書實施例的第三方面，提供了一種計算設備，包括：
31、存儲器和處理器；
32、所述存儲器用于存儲計算機可執(zhí)行指令，所述處理器用于執(zhí)行所述計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現上述基于5g的邊緣智能化光伏控制方法的步驟。
33、根據本說明書實施例的第四方面，提供了一種計算機可讀存儲介質，其存儲有計算機可執(zhí)行指令，該指令被處理器執(zhí)行時實現上述基于5g的邊緣智能化光伏控制方法的步驟。
34、根據本說明書實施例的第五方面，提供了一種計算機程序，其中，當所述計算機程序在計算機中執(zhí)行時，令計算機執(zhí)行上述基于5g的邊緣智能化光伏控制方法的步驟。
35、本說明書實施例提供基于5g的邊緣智能化光伏控制方法及裝置，其中方法包括：光伏臺區(qū)獲取光伏數據，并基于5g切片類型向臺區(qū)智能融合終端發(fā)送光伏數據；臺區(qū)智能融合終端基于光伏數據采用光伏預測模型進行光伏功率預測，確定光伏功率預測結果；基于光伏功率預測結果和光伏臺區(qū)的運行狀態(tài)，通過深度強化學習決策確定各光伏陣列的出力曲線，并將出力曲線下發(fā)至各光伏陣列；云平臺基于光伏發(fā)電歷史運行數據進行代理訓練確定權重系數，并將權重系數下發(fā)至臺區(qū)智能融合終端中的光伏預測模型。終端設備不僅有效實現光伏臺區(qū)下的各光伏陣列互聯和數據共享，也提升了數據處理效率和安全性，為電網業(yè)務管理、安全生產、優(yōu)質服務等工作高效開展提供了支撐。
1.一種基于5g的邊緣智能化光伏控制方法，其特征在于，應用于智能化光伏控制系統，所述系統包括云平臺、臺區(qū)智能融合終端和光伏臺區(qū)；所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于光伏發(fā)電歷史運行數據進行代理訓練確定權重系數，并將所述權重系數下發(fā)至所述臺區(qū)智能融合終端中的所述光伏預測模型，包括：
3.根據權利要求1所述的方法，其特征在于，所述5g通信網關包括5g通信模塊和光伏控制器；
4.根據權利要求1所述的方法，其特征在于，所述基于5g切片類型向所述臺區(qū)智能融合終端發(fā)送所述光伏數據，包括：
5.根據權利要求1所述的方法，其特征在于，所述基于所述光伏數據采用光伏預測模型進行光伏功率預測，確定光伏功率預測結果，包括：
6.根據權利要求1所述的方法，其特征在于，所述基于所述光伏功率預測結果和所述光伏臺區(qū)的運行狀態(tài)，通過深度強化學習決策確定各所述光伏陣列的出力曲線，包括：
7.根據權利要求1所述的方法，其特征在于，還包括：
8.一種基于5g的邊緣智能化光伏控制裝置，其特征在于，應用于智能化光伏控制系統，所述系統包括云平臺、臺區(qū)智能融合終端和光伏臺區(qū)；所述裝置包括：
9.一種計算設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現權利要求1至7任意一項所述基于5g的邊緣智能化光伏控制方法的步驟。