一种光伏发电智能储能方法、系统、设备及介质与流程

1.本技术涉及光伏发电领域，尤其是涉及一种光伏发电智能储能方法、系统、设备及介质。


背景技术：

2.光伏发电系统是一种能够将太阳能转化为电能的能源系统，它以其优越的经济性与环保性，在许多领域都有着广泛的运用。
3.对于家庭用户，特别是在偏远地区的家庭个人用户，由于偏远地区气候复杂多变、极端气候频发、基础电力设施不完善等多方面原因，偏远地区的电能供应并不稳定。在基础电网因气候因素影响导致用户供电受损时，光伏发电系统的储能电池可以作为应急能源，为用户提供电能供应。
4.另一方面，偏远地区交通不便，一旦储能电池发生故障就很难及时进行维修，因此储能电池应当尽量保持在一个良好的工作状态以延长电池寿命。如何在基础电力设施发生故障时，使得储能电池保持一个良好的工作状态与电能储量，是目前需要解决的问题。


技术实现要素：

5.为了在基础电力设施发生故障时，储能电池能够保持一个良好的工作状态与电能储量，本技术提供一种光伏发电智能储能方法、系统、设备及介质。
6.第一方面，本技术提供了一种光伏发电智能储能方法，所述方法包括以下步骤：获取气象信息；根据所述气象信息预测未来时间节点的气象场景；根据对所述气象场景的预测结果，确定储能电池在所述未来时间节点的启用概率；判断所述启用概率是否大于第一设定阈值；若是，则根据预置的充电策略选取规则确定充电策略；根据所述充电策略对所述储能电池进行充电。
7.通过采用上述技术方案，通过对气象场景的预测，确定未来时间节点储能电池的启用概率，当储能电池的启用概率大于设定阈值时，依据预置的充电策略对储能电池进行充电，从而使得储能电池在基础电网大概率发生故障时，能够具备充足的电量储备，以为用户进行应急供电。
8.同时，只在储能电池的启用概率大于设定阈值时对储能电池进行充电，而不是时刻对储能电池进行充电，避免对储能电池频繁充放电导致储能电池寿命受到影响，使得储能电池在基础电网大概率发生故障时，能够保持良好的工作状态。
9.可选的，在根据对所述气象场景的预测结果，确定储能电池的启用概率中，具体包括：将所述气象场景输入预置的电网气象故障预测模型，输出所述未来时间节点时基
础电网的故障概率；将所述基础电网的所述故障概率作为所述储能电池的所述启用概率。
10.通过采用上述技术方案，当基础电网发生故障时，则意味着储能电池需要为用户进行供电。通过电网气象故障预测模型完成对基础电网的故障概率的预测，以基础电网的故障概率反映储能电池的启用概率，实现对储能电池的启用概率的预测。
11.可选的，所述气象场景包括灾害气象场景与正常气象场景，所述灾害气象场景包括雷电场景、大风场景、洪涝场景、暴雨场景、覆冰场景、雾霾场景以及山火场景。
12.通过采用上述技术方案，对未来时间节点可能遭遇的气象场景进行预测，共设置有6类灾害气象场景与1类正常气象场景，对未来时间节点的气象场景进行较为全面的考虑，从而使得基础电网故障概率的预测更加准确。
13.可选的，在根据预置的充电策略选取规则确定充电策略中，具体包括：根据所述气象信息预测储能时间段所述光伏发电组的预测发电量c，所述储能时间段为当前时间节点至所述未来时间节点之间的时间段；获取所述储能电池的电池参数，所述电池参数至少包括最大储电量q
max
以及荷电状态soc；通过充电策略系数计算公式计算充电策略系数α，所述充电策略系数计算公式具体为：确定所述充电策略系数所处的阈值区间，根据所述充电策略系数所处的阈值区间确定所述充电策略。
14.通过采用上述技术方案，以充电策略系数反映储能电池待充电电量与光伏发电组在储能时间段的预测发电量之间的关系，从而为充电策略的选取通过可靠的依据，使得确定的充电策略能够保证在储能时间段将储能电池充至充足的电量，以保证储能电池能够在基础电网停用时为用户提供应急供电。
15.可选的，所述充电策略包括第一充电策略，所述第一充电策略具体为当所述充电策略系数处于第一阈值区间时：通过所述光伏发电组采用最大充电功率对所述储能电池进行充电，所述第一阈值区间为α＝1。
16.通过采用上述技术方案，第一充电策略适用于光伏发电组的预测发电量刚好能够在储能时间段完成对储能电池的充电，此时为保证较好的经济效益，只通过光伏发电组对储能电池进行充电。
17.可选的，所述充电策略包括第二充电策略，所述第二充电策略具体为当所述充电策略系数处于第二阈值区间时：通过所述光伏发电组与所述基础电网采用所述最大充电功率对所述储能电池进行充电，所述第二阈值区间为α∈(0，1)。
18.通过采用上述技术方案，第二充电策略适用于光伏发电组的预测发电量无法在储能时间段完成对储能电池的充电，此时为保证储能电池在基础电网大概率发生故障时能够保持充足的电量储备，通过光伏发电组与基础电网同时对储能电池进行充电。
19.可选的，所述充电策略包括第三充电策略，所述第三充电策略具体为当所述充电
策略系数处于第三阈值区间时：通过所述光伏发电组采用健康充电功率对所述储能电池进行充电，所述第三阈值区间为α∈(1，+∞)。
20.通过采用上述技术方案，第三充电策略适用于光伏发电组的预测发电量大于储能电池的待充电电量，此时为保证储能电池的工作寿命，采用更加缓和的充电方式，通过健康充电功率对储能电池进行充电，从而尽可能延长储能电池的寿命。
21.在本技术的第二方面提供了一种光伏发电智能储能系统，所述系统包括以下模块：气象信息获取模块，用于获取气象信息；气象场景预测模块，用于根据所述气象信息预测未来时间节点的气象场景；启用概率确定模块，用于根据对所述气象场景的预测结果，确定储能电池在所述未来时间节点的启用概率；启用概率判断模块，用于判断所述启用概率是否大于第一设定阈值；充电策略确定模块，用于根据预置的充电策略选取规则确定充电策略；储能电池充电模块，用于根据所述充电策略对所述储能电池进行充电。
22.在本技术的第三方面提供了一种电子设备；在本技术的第四方面提供了一种计算机可读存储介质；综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：1、通过对气象场景的预测，确定未来时间节点储能电池的启用概率，当储能电池的启用概率大于设定阈值时，依据预置的充电策略对储能电池进行充电，从而使得储能电池在基础电网大概率发生故障时，能够具备充足的电量储备，以为用户进行应急供电。
23.2、只在储能电池的启用概率大于设定阈值时对储能电池进行充电，而不是时刻对储能电池进行充电，避免对储能电池频繁充放电导致储能电池寿命受到影响，使得储能电池在基础电网大概率发生故障时，能够保持良好的工作状态。
24.3、设置多种充电策略，第一充电策略保证储能电池充电的经济性，同时保证在启用储能电池时储能电池的电量充足；第二充电策略保证启用储能电池时储能电池的电量充足；第三充电策略更进一步的保证储能电池充电时的电池健康。
附图说明
25.图1是本技术实施例提供的一种光伏发电智能储能方法的流程示意图。
26.图2是本技术实施例公开的一种光伏发电智能储能系统的结构示意图。
27.图3是本技术实施例的公开的一种电子设备的结构示意图。
28.附图标记说明：201、气象信息获取模块；202、气象场景预测模块；203、启用概率确定模块；204、启用概率判断模块；205、充电策略确定模块；206、储能电池充电模块；300、电子设备；301、处理器；302、通信总线；303、用户接口；304、网络接口；305、存储器。
具体实施方式
29.为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明
书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。
30.在本技术实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本技术实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
31.在本技术实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
32.参照图1，本技术提供了一种光伏发电智能储能方法，该方法具体包括以下步骤：s1：获取气象信息；具体的，通过设置的气象传感器，或从气象中心获取需要的气象信息。气象信息作为基础电网故障概率预测与光伏发电组预测发电量预测的数据基础，获取的气象信息类型根据基础电网故障概率预测与光伏发电组预测发电量预测的需求数据类型确定，在本技术一种可行的实施例中，气象信息具体包括累计降水量、降雨量、降雪量、雷电流幅值、回击数、风速、风向、相对湿度、短波辐射、气温、能见度、pm10、pm2.5、蒸发量、云量、so2、云高、长波辐射、no2、co、o3、地面气压、海平面气压、比湿以及太阳辐照度。
33.s2：根据气象信息预测未来时间节点的气象场景；具体的，获取到相关的气象信息后，对获取到的气象信息进行推理、计算与分析，实现对于未来时间节点的气象场景的预测。
34.在获取到当前时间节点的气象信息后，根据当前时间节点的气象信息预测未来时间节点的气象信息，再对预测出的未来时间节点的气象信息进行分类，确定未来时间节点的气象场景。未来时间节点由人员自行设定，未来时间节点的设定应当考虑气象预测的精度、储能电池的电池参数、用户负载的电能消耗量等等因素，应当根据实际场景进行调整。在本技术一种可行的实施例中，未来时间节点的气象信息可以通过机器学习的方式进行预测，在本技术另一种可行的实施例中，也可以直接通过接收气象预报信息的方式完成对未来时间节点的气象信息的获取。
35.对于获取到的未来时间节点的气象信息，通过气象场景分类器对未来时间节点的气象信息进行处理，确定未来时间节点的气象场景。气象场景分类器是基于神经网络的分类模型，具体来说，气象场景分类器可以是softmax。将未来时间节点的气象信息输入气象场景分类器后，气象场景分类器将根据预先配置的气象场景标签，将一组未来时间节点的气象信息识别为一确定的气象场景，在本技术一种可行的实施例中，设置有7种气象场景，其中包括有6种灾害气象场景，分别为：雷电场景、大风场景、洪涝场景、暴雨场景、覆冰场景、雾霾场景、山火场景，以及正常气象场景。
36.s3：根据对气象场景的预测结果，确定储能电池在未来时间节点的启用概率；具体的，储能电池作为应急电源，当基础电网发生故障导致用户无法从基础电网
处获取供电时为用户提供应急电源供应，因此储能电池在未来时间节点的启用概率即未来时间节点基础电网的故障概率。根据对气象场景的预测结果，预测在未来时间节点基础电网的故障概率，并将未来时间节点基础电网的故障概率作为储能电池的启用概率。
37.在本技术一种可行的实施例中，对基础电网故障概率的计算通过预置的电网气象故障预测模型实现。当未来时间节点的气象场景被确定为灾害气象场景是，将未来时间节点的气象场景以及未来时间节点的气象信息输入预置的电网气象故障预测模型，输出基础电网的损害概率。
38.电网气象故障预测模型可以是sae(稀疏自编码网络)，在进行基础电网损害概率的计算前，电网气象故障模型已经经过训练。通过历史损害信息以及发生损害时的历史气象信息对电网气象故障模型进行训练，使得电网气象模型在接收气象信息与气象场景标签时，能够大致判断在该气象信息与气象场景下，基础电网的损害概率，从而完成对基础电网损害概率的计算。
39.在本技术另一种可行的实施例中，在对电网气象故障预测模型进行训练时，在训练集中引入电网损害程度指标，电网损害程度指标为人员根据经验或相关标准规定的基础电网在发生故障时，评断基础电网损害程度的指标。在该实施例中，当向电网气象故障预测模型中输入未来时间节点的气象场景以及气象信息时，同时会输出在未来时间节点基础电网的损害概率与预测的损害程度，从而为后续步骤提供更好的数据支持。
40.s4：判断启用概率是否大于第一设定阈值；具体的，储能电池的启用概率反映了储能电池在未来时间节点被用作以及电源的可能性的大小，当启用概率大于第一设定阈值时，将启动对储能电池的充电，以在当前时间节点到未来时间节点之间这一储能时间段完成对储能电池的充电，使得储能电池在未来时间节点具备充足的电量；当启用概率小于等于第一设定阈值时，继续预测储能电池的启用概率，同时不会为储能电池进行充电。在本技术一实施例中，第一设定阈值被设置为50％。
41.s5：若启用概率大于第一设定阈值，则根据预置的充电策略选取规则确定充电策略；具体的，当储能电池的启用概率大于设置的第一设定阈值时，说明基础电网在未来时间节点大概率会发生故障，未来时间节点大概率需要启动储能电池以为用户提供应急供电，此时为储能电池选取合理的充电策略，以未来时间节点储能电池能够保持充足的电量为最高目标，对储能电池进行充电。
42.充电策略选取规则即充电策略选取的依据，充电策略选取规则规定了在充电策略系数所在的阈值区间确定的前提下，各充电策略系数对应的储能电池充电策略。
43.充电策略系数用于反映光伏发电组在储能时间段的预测发电量与储能电池的待充电量之间的关系，储能时间段即当前时间节点到储能电池的启用概率大于第一设定阈值的未来时间节点之间的时间段。
44.获取光伏发电组在储能时间段的预测发电量c以及储能电池的电池参数，光伏发电组的预测发电量根据气象信息预测获取，储能电池的电池参数具体包括储能电池的最大储电量q
max
以及储能电池在当前时间节点的荷电状态soc。通过充电策略系数计算公式计算充电策略系数α，充电策略系数计算公式具体为：
完成对充电策略系数的计算后，确定充电策略系数所在的阈值区间。
45.当充电策略系数处于第一阈值区间时，说明光伏发电组的预测发电量等于储能电池的待充电量，光伏发电组刚好能够在储能时间段完成对储能电池的充电，使储能电池在未来时间节点处于最大储电量，此时采用第一充电策略对储能电池进行充电，第一阈值区间具体而言即α＝1；当充电策略系数处于第二阈值区间时，说明光伏发电组的预测发电量小于储能电池的待充电量，光伏发电组无法在储能时间段完成对储能电池的充电，因此需要从基础电网处补充缺少的电量，使储能电池在未来时间节点处于最大储电量，此时采用第二充电策略对储能电池进行充电，第二阈值区间具体而言即α∈(0，1)；当充电策略系数处于第三阈值区间时，说明光伏发电组的预测发电量大于储能电池的待充电量，光伏发电组能够在储能时间段完成对储能电池的充电，此时采用第三充电策略对储能电池进行充电，第三阈值区间具体而言即α∈(1，+∞)。
46.对光伏发电组在储能时间段的预测发电量的预测也可以通过神经网络进行，根据储能时间段的气象信息，实现对储能时间段光伏发电组的发电功率的短时预测，从而根据预测的储能时间段内光伏发电组的发电功率计算预测发电量，需要说明的是，光伏发电组的发电功率是一个跟随时间动态变化的量，需要通过积分的方式计算储能时间段内的预测发电量。光伏发电组的发电功率的预测方法有基于ga-bp的短时光伏发电功率预测、基于dbn的光伏发电功率预测、基于ba-wnn的光伏发电功率预测等等，此为现有技术，在此不做赘述。
47.s6：根据充电策略对储能电池进行充电。
48.具体的，充电策略包括第一充电策略、第二充电策略以及第三充电策略，第一充电策略具体以光伏发电组为充电源对储能电池进行充电，第一充电策略通过储能电池的最大充电功率对储能电池进行充电；第二充电策略具体以光伏发电组与基础电网为充电源对储能电池进行充电，储能电池同时在从光伏发电组获取能量的同时，还从基础电网获取能量，第二充电策略同样通过储能电池的最大充电功率对储能电池进行充电；第三充电策略具体以光伏发电组为充电源对储能电池进行充电，当储能电池适用于第三充电策略时，光伏发电组的预测发电量远远大于储能电池的待充电量，为保证储能电池的充电更加健康，将采用健康充电电压对储能电池进行充电。需要说明的是，上述提及的最大充电电压与健康充电电压均为储能电池充电电压安全范围之内的充电电压，两者均由本领域技术人员根据经验进行设定。
49.在本技术另一种可行的实施例中，健康充电电压可以根据当前时间节点的气象信息进行动态调整，具体来说即根据获取到的气象信息确定储能电池的充电状态，根据储能电池的充电状态通过对照表或神经网络分类的方式确定健康充电电压。
50.参照图2，本技术还提供了一种光伏发电智能储能系统，该系统具体包括以下模块：气象信息获取模块201，用于获取气象信息；气象场景预测模块202，用于根据气象信息预测未来时间节点的气象场景；启用概率确定模块203，用于根据对气象场景的预测结果，确定储能电池在未来时间节点的启用概率；启用概率判断模块204，用于判断启用概率是否大于第一设定阈值；
充电策略确定模块205，用于根据预置的充电策略选取规则确定充电策略；储能电池充电模块206，用于根据充电策略对储能电池进行充电。
51.需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
52.本技术还公开一种电子设备300。参照图3，图3是本技术实施例的公开的一种电子设备300的结构示意图。该电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
53.其中，通信总线302用于实现这些组件之间的连接通信。
54.其中，用户接口303可以包括显示屏(display)、摄像头(camera)，可选用户接口303还可以包括标准的有线接口、无线接口。
55.其中，网络接口304可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。
56.其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器301可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。
57.其中，存储器305可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。可选的，该存储器305包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及一种光伏发电智能储能方法的应用程序。
58.在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储一种光伏发电智能储能方法的应用程序，当由一个或多个处理器301执行时，使得电子设备300执行如上述实施例中一个或多个所述的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术
人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必需的。
59.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
60.在本技术所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
61.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
62.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
63.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器305中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器305中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储器305包括：u盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
64.以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
65.本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

技术特征：
1.一种光伏发电智能储能方法，其特征在于，所述方法包括以下步骤：获取气象信息；根据所述气象信息预测未来时间节点的气象场景；根据对所述气象场景的预测结果，确定储能电池在所述未来时间节点的启用概率；判断所述启用概率是否大于第一设定阈值；若是，则根据预置的充电策略选取规则确定充电策略；根据所述充电策略对所述储能电池进行充电。2.根据权利要求1所述的光伏发电智能储能方法，其特征在于，在根据对所述气象场景的预测结果，确定储能电池的启用概率中，具体包括：将所述气象场景输入预置的电网气象故障预测模型，输出所述未来时间节点时基础电网的故障概率；将所述基础电网的所述故障概率作为所述储能电池的所述启用概率。3.根据权利要求1所述的光伏发电智能储能方法，其特征在于，所述气象场景包括灾害气象场景与正常气象场景，所述灾害气象场景包括雷电场景、大风场景、洪涝场景、暴雨场景、覆冰场景、雾霾场景以及山火场景。4.根据权利要求1所述的光伏发电智能储能方法，其特征在于，在根据预置的充电策略选取规则确定充电策略中，具体包括：根据所述气象信息预测储能时间段所述光伏发电组的预测发电量c，所述储能时间段为当前时间节点至所述未来时间节点之间的时间段；获取所述储能电池的电池参数，所述电池参数至少包括最大储电量q
max
以及荷电状态soc；通过充电策略系数计算公式计算充电策略系数α，所述充电策略系数计算公式具体为：确定所述充电策略系数所处的阈值区间，根据所述充电策略系数所处的阈值区间确定所述充电策略。5.根据权利要求4所述的光伏发电智能储能方法，其特征在于，所述充电策略包括第一充电策略，所述第一充电策略具体为当所述充电策略系数处于第一阈值区间时：通过所述光伏发电组采用最大充电功率对所述储能电池进行充电，所述第一阈值区间为α＝1。6.根据权利要求4所述的光伏发电智能储能方法，其特征在于，所述充电策略包括第二充电策略，所述第二充电策略具体为当所述充电策略系数处于第二阈值区间时：通过所述光伏发电组与所述基础电网采用所述最大充电功率对所述储能电池进行充电，所述第二阈值区间为α∈(0，1)。7.根据权利要求4所述的光伏发电智能储能方法，其特征在于，所述充电策略包括第三充电策略，所述第三充电策略具体为当所述充电策略系数处于第三阈值区间时：通过所述光伏发电组采用健康充电功率对所述储能电池进行充电，所述第三阈值区间为α∈(1，+∞)。8.一种光伏发电智能储能系统，其特征在于，所述系统包括：
气象信息获取模块(201)，用于获取气象信息；气象场景预测模块(202)，用于根据所述气象信息预测未来时间节点的气象场景；启用概率确定模块(203)，用于根据对所述气象场景的预测结果，确定储能电池在所述未来时间节点的启用概率；启用概率判断模块(204)，用于判断所述启用概率是否大于第一设定阈值；充电策略确定模块(205)，用于根据预置的充电策略选取规则确定充电策略；储能电池充电模块(206)，用于根据所述充电策略对所述储能电池进行充电。9.一种电子设备，其特征在于，包括处理器(301)、存储器(305)、用户接口(303)及网络接口(304)，所述存储器(305)用于存储指令，所述用户接口(303)和网络接口(304)用于给其他设备通信，所述处理器(301)用于执行所述存储器(305)中存储的指令，以使所述电子设备(300)执行如权利要求1-7任意一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法步骤。

技术总结
一种光伏发电智能储能方法、系统、设备及介质，涉及光伏发电领域。在该方法中，包括以下步骤：获取气象信息；根据气象信息预测未来时间节点的气象场景；根据对气象场景的预测结果，确定储能电池在未来时间节点的启用概率；判断启用概率是否大于第一设定阈值；若是，则根据预置的充电策略选取规则确定充电策略；根据充电策略对储能电池进行充电。通过采用本申请提供的技术方案，使得储能电池在基础电网大概率发生故障时，能够具备充足的电量储备并保持良好的工作状态，以为用户进行应急供电。以为用户进行应急供电。以为用户进行应急供电。


技术研发人员：童荣华
受保护的技术使用者：广东中特建设集团有限公司
技术研发日：2023.06.06
技术公布日：2023/9/20