本說明書涉及電力控制領域，更具體地說，本技術涉及一種結合儲能電量預測的家庭負載自適應切換方法及系統。

背景技術：

1、隨著分布式可再生能源(如家庭光伏、微風電)與家庭儲能設備(如戶用鋰電池、超級電容系統)的廣泛部署，家庭能源系統逐步具備了局部自發電、自儲能、自調節的能力。

2、然而，傳統的家庭用能管理系統通常采用靜態調度規則或固定優先級控制策略，僅根據當前負載功率或用戶設置的簡單定值控制儲能設備啟停，無法充分響應實時發電能力、儲能狀態、環境波動和用戶個性化偏好，容易造成儲能設備深度放電或頻繁充放電，導致電池壽命縮短。本地發電能力浪費，如白天發電但無智能自用機制。負載控制響應單一，無法根據供能能力靈活啟停。不能根據運行模式自適應切換策略，如節能優先與經濟優先場景下使用相同調度邏輯。

3、因此，迫切需要一種基于多源狀態感知、具備預測能力、可自適應策略切換的家庭用能調度方法，以實現家庭負載與儲能系統的協同優化控制。

技術實現思路

1、在
技術實現要素：
部分中引入了一系列簡化形式的概念，這將在具體實施方式部分中進一步詳細說明。本技術的發明內容部分并不意味著要試圖限定出所要求保護的技術方案的關鍵特征和必要技術特征，更不意味著試圖確定所要求保護的技術方案的保護范圍。

2、第一方面，本技術提出一種結合儲能電量預測的家庭負載自適應切換方法，包括：

3、獲取用戶選定模式；

4、獲取儲能設備監測信息和儲能設備類型信息；

5、獲取發電設備監測信息和發電設備類型信息；

6、獲取目標家庭的環境數據；

7、獲取目標家庭的當前負載數據；

8、根據上述用戶選定模式、上述儲能設備監測信息、上述儲能設備類型信息、上述發電設備監測信息、上述發電設備類型信息、上述環境數據和上述當前負載數據，調整家庭負載分布和儲能設備工作狀態。

9、在一種可行的實施方式中，上述根據上述用戶選定模式、上述儲能設備監測信息、上述儲能設備類型信息、上述發電設備監測信息、上述發電設備類型信息、上述環境數據和上述當前負載數據，調整家庭負載分布和儲能設備工作狀態，包括：

10、根據上述儲能設備監測信息、上述儲能設備類型信息和上述環境數據確定儲能效率信息；

11、根據上述發電設備監測信息、上述發電設備類型信息和上述環境數據確定發電效率信息；

12、根據上述儲能效率信息、上述發電效率信息、上述當前負載數據和上述用戶選定模式調整上述家庭負載分布和上述儲能設備工作狀態。

13、在一種可行的實施方式中，上述根據上述儲能設備監測信息、上述儲能設備類型信息和上述環境數據確定儲能效率信息，包括：

14、根據上述儲能設備類型信息確定影響系數；

15、根據上述儲能設備監測信息、上述環境數據和上述影響系數確定充電效率、放電效率和自放電損耗；

16、根據上述充電效率、上述放電效率和上述自放電損耗確定上述儲能效率信息。

17、在一種可行的實施方式中，上述根據上述發電設備監測信息、上述發電設備類型信息和上述環境數據確定發電效率信息，包括：

18、將上述發電設備監測信息、上述發電設備類型信息和上述環境數據進行融合構建發電特征向量；

19、分別基于隨機森林模型、梯度提升樹模型和時間序列模型對上述發電特征向量進行訓練，獲得多個發電效率預測子模型；

20、通過融合學習器對上述多個子模型的預測輸出進行非線性融合，確定發電效率信息，其中，上述融合學習器為基于元學習策略構建的神經網絡。

21、在一種可行的實施方式中，上述根據上述儲能效率信息、上述發電效率信息、上述當前負載數據和上述用戶選定模式調整上述家庭負載分布和上述儲能設備工作狀態，包括：

22、根據上述用戶選定模式確定目標函數和約束條件，其中，上述用戶選定模式包括節能優先模式、儲能優先模式、自發自用優先模式、經濟優先模式和設備長壽命優先模式；

23、根據上述當前負載數據、上述儲能效率信息和上述當前負載信息構成初始混合編碼個體；

24、根據上述目標函數對上述初始混合編碼個體進行全局搜索，以獲取篩選后混合編碼個體；

25、對上述篩選后混合編碼個體進行局部精細搜索，以獲取初步調整策略；

26、根據上述約束條件對上述初步調整策略進行約束監測，以獲取目標調整策略；

27、基于上述目標調整策略調整上述家庭負載分布和上述儲能設備工作狀態。

28、在一種可行的實施方式中，上述根據上述目標函數對上述初始混合編碼個體進行全局搜索，以獲取篩選后混合編碼個體，包括：

29、通過雇傭蜂對上述初始混合編碼個體進行擾動，計算上述目標函數對應的適應度值；

30、通過觀察蜂根據上述適應度值執行概率選擇操作，并通過偵察蜂對適應度下降或局部異常的個體進行重新初始化，以獲取上述篩選后混合編碼個體。

31、在一種可行的實施方式中，上述對上述篩選后混合編碼個體進行局部精細搜索，以獲取初步調整策略，包括：

32、定義個體的光亮度與上述目標函數值成反比的關系，建立個體間吸引模型，以獲取個體吸引度；

33、將上述篩選后混合編碼個體作為初始個體，計算個體之間在混合編碼空間中的個體距離，其中，上述個體距離包括負載狀態變異與儲能功率差異；

34、基于上述個體吸引度與個體距離關系，對個體位置進行迭代更新，其中，上述迭代更新包括引導個體向適應度更優的個體靠近和疊加擾動項；

35、在每輪迭代中重新評估各更新個體的目標函數值，以獲取新的適應度和排序位置；

36、在達到預設迭代次數或適應度收斂條件后，輸出上述初步調整策略。

37、在一種可行的實施方式中，對上述初步調整策略中各負載總功率與家庭可用供電能力進行供需平衡校驗；

38、若負載功率總和超過當前可用功率，則按照預設負載優先級順序依次關閉低優先級負載；

39、對儲能設備的充放電功率進行范圍檢測，若超過其最大額定功率，則進行功率限制修正；

40、對上述初步調整策略中引起的soc變化進行邊界校驗，若預計soc超出允許區間，則修正充放電策略；

41、在調整后重新評估約束滿足情況，以輸出符合所有上述約束條件的目標調整策略。

42、在一種可行的實施方式中，上述基于上述目標調整策略調整上述家庭負載分布和上述儲能設備工作狀態，包括：

43、根據上述目標調整策略確定各負載的啟停狀態，并控制對應負載的接入或斷開；

44、對于可調負載，基于其優先級與功率分級標簽，分配對應的運行時長或功率水平；

45、根據上述目標調整策略控制儲能設備進入充電、放電或待機狀態；

46、根據預測的發電功率與電網供電能力，動態調整儲能設備的充放電功率值；

47、向家庭能量控制器發送控制指令，執行上述負載啟停與儲能功率調度操作。

48、第二方面，本技術提出一種結合儲能電量預測的家庭負載自適應切換系統，包括：

49、數據獲取單元，用于獲取生物特征監測數據、健康申報數據、行程軌跡數據和環境感知數據；

50、特征提取單元，用于對上述生物特征監測數據、上述健康申報數據、上述行程軌跡數據和上述環境感知數據進行特征提取以獲取多個單體特征向量；

51、特征融合單元，用于對所有的上述單體特征向量進行特征數據融合以獲取融合特征數據；

52、風險判斷單元，用于基于上述融合特征數據和動態閾值進行風險判斷，以生成預警信息。

53、綜上，本技術提供的方法融合儲能設備監測信息、發電設備監測信息、環境參數及負載狀態數據，并分別構建儲能效率與發電效率信息，有效提升調度決策對未來供能能力的感知與預測能力，避免盲目放電或過度購電。提出多種運行模式，用戶可根據實際需求靈活切換。上述方法具備可再生能源友好、自發電自用率提升、電價響應能力強的特點，可廣泛應用于協同控制、分布式能源微電網、虛擬電廠家庭側終端等智能能源管理系統中。

54、本技術提出的結合儲能電量預測的家庭負載自適應切換方法，本技術的其它優點、目標和特征將部分通過下面的說明體現，部分還將通過對本技術的研究和實踐而為本領域的技術人員所理解。