技术特征：
1.一种太阳能储能的智能调控方法，其特征在于，包括以下步骤：获取已知调控参数，所述已知调控参数包括：太阳能发电功率、厂区的用电功率总需求、储能系统对外供应功率系数、太阳能发电的上网价格和电网用电的价格；根据所述已知调控参数，构建适应度函数，所述适应度函数为关于太阳能上网发电带来的收益与厂区额外用电费用差值的函数；确定所述适应度函数最大时对应的太阳能发电上网因子；根据所述太阳能发电上网因子，对太阳能储能进行智能调控。2.根据权利要求1所述的太阳能储能的智能调控方法，其特征在于，所述确定所述适应度函数最大时对应的太阳能发电上网因子，具体包括：根据不同时段的太阳能发电上网因子，构建粒子群，所述粒子群的参数包括：粒子的个数、粒子的大小、粒子搜寻空间、粒子的空间位置、粒子的速度、个体粒子的局部最优位置和整个粒子群的全局最优位置，所述个体粒子的局部最优位置为所述粒子的空间位置的集合，所述整个粒子群的全局最优位置为所述个体粒子的局部最优位置的集合；对所述粒子群的参数进行初始化，得到初始化后的参数；将所述初始化后的参数代入所述适应度函数，得到初始适应度函数值；设定最大迭代次数；对粒子的速度和粒子的空间位置进行迭代更新，得到更新后的粒子的速度和更新后的粒子的空间位置；根据所述更新后的粒子的速度和所述更新后的粒子的空间位置，确定更新后的个体粒子的局部最优位置和更新后的整个粒子群的全局最优位置；根据所述更新后的整个粒子群的全局最优位置，确定更新后的适应度函数值；判断更新后的适应度函数值是否大于初始适应度函数值，得到第一判断结果；若所述第一判断结果为是，则将更新后的适应度函数值对应的粒子的速度和粒子的空间位置参与下一次迭代；若所述第一判断结果为否，则将初始适应度函数值对应的粒子的速度和粒子的空间位置作为更新后的粒子的速度和粒子的空间位置参与下一次迭代；判断迭代次数是否达到最大迭代次数，得到第二判断结果；若所述第二判断结果为否，则返回步骤“对粒子的速度和粒子的空间位置进行迭代更新，得到更新后的粒子的速度和更新后的粒子的空间位置”；若所述第二判断结果为是，则输出最终整个粒子群的全局最优位置；根据所述最终整个粒子群的全局最优位置，确定所述适应度函数最大时对应的太阳能发电上网因子。3.根据权利要求1所述的太阳能储能的智能调控方法，其特征在于，所述适应度函数的计算公式为：其中，max(f(α))为适应度函数的最大值，α(t)为t时刻的太阳能发电上网因子，p(t)为t时刻的太阳能发电功率，，l为光照强度，a为太阳能发电的上网价格，p
需
(t)为
t时刻的厂区的用电功率总需求，γ为储能系统对外供应功率系数，b为电网用电的价格。4.根据权利要求2所述的太阳能储能的智能调控方法，其特征在于，所述粒子的速度的迭代更新公式为：v
αi
(k)=β(k)v
αi
(k-1)+r1×
c1(k)
×
(p
αi
(k-1)-x
αi
(k-1))+r2×
c2(k)
×
(p
αg
(k-1)-x
αi
(k-1))其中，k为迭代次数，v
αi
(k)为第k次迭代对应的粒子的速度，β(k)为第k次迭代对应的改进权重因子，，β0为惯性权重，k
max
为最大迭代次数，v
αi
(k-1)为第k-1次迭代对应的粒子的速度，r1为第一随机系数，c1(k)为第k次迭代对应的改进认知因子，，c1=2.0，c
1初
=0.8，p
αi
(k-1)为第k-1次迭代对应的第i个个体粒子的局部最优位置，x
αi
(k-1)为第k-1次迭代对应的第i个粒子的空间位置，r2为第二随机系数，c2(k)为第k次迭代对应的改进社会因子，，c2=0.5，c
2初
=2.0，p
αg
(k-1)为第k-1次迭代对应的整个粒子群的全局最优位置。5.根据权利要求2所述的太阳能储能的智能调控方法，其特征在于，所述粒子的空间位置的迭代更新公式为：x
αi
(k)=x
αi
(k-1)+v
αi
(k)其中，x
αi
(k)为第k次迭代对应的第i个粒子的空间位置，x
αi
(k-1)为第k-1次迭代对应的第i个粒子的空间位置，v
αi
(k)为第k次迭代对应的粒子的速度。6.一种太阳能储能的智能调控系统，其特征在于，包括：调控参数获取单元，用于获取已知调控参数，所述已知调控参数包括：太阳能发电功率、厂区的用电功率总需求、储能系统对外供应功率系数、太阳能发电的上网价格和电网用电的价格；适应度函数构建单元，用于根据所述已知调控参数，构建适应度函数，所述适应度函数为关于太阳能上网发电带来的收益与厂区额外用电费用差值的函数；太阳能发电上网因子确定单元，用于确定所述适应度函数最大时对应的太阳能发电上网因子；智能调控单元，用于根据所述太阳能发电上网因子，对太阳能储能进行智能调控。7.根据权利要求6所述的太阳能储能的智能调控系统，其特征在于，所述太阳能发电上网因子确定单元包括：粒子群构建模块，用于根据不同时段的太阳能发电上网因子，构建粒子群，所述粒子群的参数包括：粒子的个数、粒子的大小、粒子搜寻空间、粒子的空间位置、粒子的速度、个体粒子的局部最优位置和整个粒子群的全局最优位置，所述个体粒子的局部最优位置为所述粒子的空间位置的集合，所述整个粒子群的全局最优位置为所述个体粒子的局部最优位置的集合；初始化模块，用于对所述粒子群的参数进行初始化，得到初始化后的参数；初始适应度函数值确定模块，用于将所述初始化后的参数代入所述适应度函数，得到初始适应度函数值；
最大迭代次数设定模块，用于设定最大迭代次数；迭代更新模块，用于对粒子的速度和粒子的空间位置进行迭代更新，得到更新后的粒子的速度和更新后的粒子的空间位置；局部最优位置和全局最优位置确定模块，用于根据所述更新后的粒子的速度和所述更新后的粒子的空间位置，确定更新后的个体粒子的局部最优位置和更新后的整个粒子群的全局最优位置；更新后的适应度函数值确定模块，用于根据所述更新后的整个粒子群的全局最优位置，确定更新后的适应度函数值；第一判断模块，用于判断更新后的适应度函数值是否大于初始适应度函数值，得到第一判断结果；第一迭代参与模块，用于当所述第一判断结果为是时，将更新后的适应度函数值对应的粒子的速度和粒子的空间位置参与下一次迭代；第二迭代参与模块，用于当所述第一判断结果为否时，将初始适应度函数值对应的粒子的速度和粒子的空间位置作为更新后的粒子的速度和粒子的空间位置参与下一次迭代；第二判断模块，用于判断迭代次数是否达到最大迭代次数，得到第二判断结果；返回模块，用于当所述第二判断结果为否时，返回所述迭代更新模块；输出模块，用于当所述第二判断结果为是时，输出最终整个粒子群的全局最优位置；太阳能发电上网因子确定模块，用于根据所述最终整个粒子群的全局最优位置，确定所述适应度函数最大时对应的太阳能发电上网因子。8.根据权利要求6所述的太阳能储能的智能调控系统，其特征在于，所述适应度函数的计算公式为：其中，max(f(α))为适应度函数的最大值，α(t)为t时刻的太阳能发电上网因子，p(t)为t时刻的太阳能发电功率，，l为光照强度，a为太阳能发电的上网价格，p
需
(t)为t时刻的厂区的用电功率总需求，γ为储能系统对外供应功率系数，b为电网用电的价格。9.根据权利要求7所述的太阳能储能的智能调控系统，其特征在于，所述粒子的速度的迭代更新公式为：v
αi
(k)=β(k)v
αi
(k-1)+r1×
c1(k)
×
(p
αi
(k-1)-x
αi
(k-1))+r2×
c2(k)
×
(p
αg
(k-1)-x
αi
(k-1))其中，k为迭代次数，v
αi
(k)为第k次迭代对应的粒子的速度，β(k)为第k次迭代对应的改进权重因子，，β0为惯性权重，k
max
为最大迭代次数，v
αi
(k-1)为第k-1次迭代对应的粒子的速度，r1为第一随机系数，c1(k)为第k次迭代对应的改进认知因子，，c1=2.0，c
1初
=0.8，p
αi
(k-1)为第k-1次迭代对应的第i个个体粒子的局部最优位置，x
αi
(k-1)为第k-1次迭代对应的第i个粒子的空间位置，r2为第二随机系数，c2(k)为第k次迭代对应的改进社会因子，，c2=0.5，c
2初
=2.0，p
αg
(k-1)为第k-1次迭代对应的整个粒子群的全局最优位置。10.根据权利要求7所述的太阳能储能的智能调控系统，其特征在于，所述粒子的空间位置的迭代更新公式为：x
αi
(k)=x
αi
(k-1)+v
αi
(k)其中，x
αi
(k)为第k次迭代对应的第i个粒子的空间位置，x
αi
(k-1)为第k-1次迭代对应的第i个粒子的空间位置，v
αi
(k)为第k次迭代对应的粒子的速度。
技术总结
本发明公开了一种太阳能储能的智能调控方法及系统，涉及太阳能应用领域，所述智能调控方法包括以下步骤：获取已知调控参数；根据所述已知调控参数，构建适应度函数，所述适应度函数为关于太阳能上网发电带来的收益与厂区额外用电费用差值的函数；根据所述适应度函数对关于太阳能发电上网因子的参数进行迭代，得到最优的太阳能发电上网因子；根据所述最优的太阳能发电上网因子，对太阳能储能进行智能调控。本发明能够在太阳能发生变化时，合理分配绿色工厂的太阳能电站上网与储能，同时在绿色工厂用电发生变化时，也能够合理分配绿色工厂的太阳能电站上网与储能。解决了现有技术中并不能合理分配绿色工厂的太阳能电站上网与储能的问题。储能的问题。储能的问题。
技术研发人员：郑政杰 蒋善行 李钦武 周春于 刘庭宇 陈芾 郑贤明
受保护的技术使用者：浙江浩普环保工程有限公司
技术研发日：2022.08.10
技术公布日：2022/9/6