通信基站儲能管理系統及方法與流程

本技術涉及智能管理領域，且更為具體地，涉及一種通信基站儲能管理系統及方法。

背景技術：

1、通信基站儲能管理系統是一種專門設計用于監控和管理通信基站中電池儲能單元的系統。這種系統的主要目的是提高電池的使用壽命、確保通信基站的電力供應可靠性，并優化電池儲能資源的使用效率。

2、為了更有效地規劃和分配能源資源，確保供應與需求之間的平衡，減少能源浪費，需要對能源進行預測，這樣能夠幫助電網運營商提前識別潛在的供需失衡問題，采取措施避免電網過載或供電不足，從而提高電網的穩定性和可靠性。

3、但由于傳統預測方法通常是基于歷史數據進行預測，缺乏實時數據的支持，無法及時應對突發情況和變化，導致預測結果與實際需求不符。其次，傳統預測可能過于側重于單一能源類型或單一因素，而忽視了能源系統的整體性和不同能源之間的相互影響。

4、因此，期待一種優化的通信基站儲能管理系統。

技術實現思路

1、為了解決上述技術問題，提出了本技術。本技術的實施例提供了一種通信基站儲能管理系統及方法，其通過傳感器和智能儀表采集儲能設備發電量、負荷需求和電池的儲能狀態的時間序列，其中，所述儲能狀態包括電池的充電狀態、放電狀態、溫度、電壓和電流，并采用基于人工智能對所述設備發電量、所述負荷需求和所述電池的儲能狀態進行時序特征處理和相互關聯，從而得到未來短時內能源需求量的預測值的預測結果。通過這樣的方式，能夠準確預測短期內的能源需求量，以此來智能調整電池的充放電策略，延長電池壽命，優化能源的使用，減少能源浪費，同時減少電網負荷的波動，從而增強電網的穩定性。

2、根據本技術的一個方面，提供了一種通信基站儲能管理系統，其包括：

3、通信基站參數采集模塊，用于通過傳感器和智能儀表采集儲能設備發電量、負荷需求和電池的儲能狀態的時間序列，其中，所述儲能狀態包括電池的充電狀態、放電狀態、溫度、電壓和電流；

4、參數時序排列模塊，用于將所述儲能設備發電量的時間序列和所述儲能設備負荷需求的時間序列按照時間維度排列為發電量時序輸入向量和負荷需求時序輸入向量；

5、特征提取關聯模塊，用于對所述發電量時序輸入向量和所述負荷需求時序輸入向量進行發電量時序編碼和負荷需求時序編碼以得到發電量時序特征向量和負荷需求時序特征向量后對所述發電量時序特征向量和所述負荷需求時序特征向量進行特征關聯以得到發電量-負荷需求時序關聯特征矩陣；

6、儲能狀態特征提取模塊，用于將所述儲能設備儲能狀態的時間序列排列為儲能狀態時序輸入矩陣后進行儲能狀態時序特征提取以得到儲能狀態時序特征矩陣；

7、特征融合模塊，用于基于所述發電量-負荷需求時序關聯特征矩陣和所述儲能狀態時序特征矩陣以得到能源需求融合特征矩陣；

8、特征優化模塊，用于對所述能源需求融合特征矩陣展開的能源需求融合特征向量進行基于度量維度的相似度信息校正以得到優化的能源需求融合特征向量；

9、預測結果生成模塊，用于基于所述優化的能源需求融合特征向量，得到預測結果。

10、在上述通信基站儲能管理系統中，所述特征提取關聯模塊，包括：時序編碼單元，用于將所述發電量時序輸入向量和所述負荷需求時序輸入向量分別輸入發電量時序編碼器和負荷需求時序編碼器以得到所述發電量時序特征向量和所述負荷需求時序特征向量；以及，時序關聯單元，用于將所述發電量時序特征向量和所述負荷需求時序特征向量進行時序關聯以得到所述發電量-負荷需求時序關聯特征矩陣。

11、在上述通信基站儲能管理系統中，所述時序關聯單元，用于：將所述發電量時序特征向量和所述負荷需求時序特征向量輸入特征時序關聯編碼模塊以得到所述發電量-負荷需求時序關聯特征矩陣。

12、在上述通信基站儲能管理系統中，所述時序關聯單元，用于：對計算所述發電量時序特征向量與所述負荷需求時序特征向量的轉置向量以得到所述發電量-負荷需求時序關聯特征矩陣。

13、在上述通信基站儲能管理系統中，所述儲能狀態特征提取模塊，用于：將所述儲能設備儲能狀態的時間序列按照時間維度和樣本維度排列為所述儲能狀態時序輸入矩陣后輸入基于卷積神經網絡模型的儲能狀態時序特征提取器以得到所述儲能狀態時序特征矩陣。

14、在上述通信基站儲能管理系統中，所述特征優化模塊，包括：確定解碼器的解碼權重矩陣；將所述解碼權重矩陣以行向量為單位進行矩陣解耦以得到解碼權重向量的集合；計算所述解碼權重向量的集合中的各個解碼權重向量與所述能源需求融合特征向量之間的能源需求融合度量學習損失信息項以得到能源需求融合度量學習補償表示向量；將所述能源需求融合度量學習補償表示向量輸入softmax激活函數以得到概率化的能源需求融合度量學習補償權重向量；計算所述概率化的能源需求融合度量學習補償權重向量和所述能源需求融合特征向量的按位置點乘以得到點乘特征向量，并計算所述點乘特征向量與所述能源需求融合特征向量的加權和以得到所述優化的能源需求融合特征向量。

15、在上述通信基站儲能管理系統中，所述預測結果生成模塊，用于：將所述優化的能源需求融合特征向量輸入基于解碼器的能源預測器以得到預測結果，所述預測結果用于表示未來短時內能源需求量的預測值。

16、根據本技術的另一方面，提供了一種通信基站儲能管理方法，其包括：

17、通過傳感器和智能儀表采集儲能設備發電量、負荷需求和電池的儲能狀態的時間序列，其中，所述儲能狀態包括電池的充電狀態、放電狀態、溫度、電壓和電流；

18、將所述儲能設備發電量的時間序列和所述儲能設備負荷需求的時間序列按照時間維度排列為發電量時序輸入向量和負荷需求時序輸入向量；

19、對所述發電量時序輸入向量和所述負荷需求時序輸入向量進行發電量時序編碼和負荷需求時序編碼以得到發電量時序特征向量和負荷需求時序特征向量后對所述發電量時序特征向量和所述負荷需求時序特征向量進行特征關聯以得到發電量-負荷需求時序關聯特征矩陣；

20、將所述儲能設備儲能狀態的時間序列排列為儲能狀態時序輸入矩陣后進行儲能狀態時序特征提取以得到儲能狀態時序特征矩陣；

21、基于所述發電量-負荷需求時序關聯特征矩陣和所述儲能狀態時序特征矩陣以得到能源需求融合特征矩陣；

22、對所述能源需求融合特征矩陣展開的能源需求融合特征向量進行基于度量維度的相似度信息校正以得到優化的能源需求融合特征向量；

23、基于所述優化的能源需求融合特征向量，得到預測結果。

24、在上述通信基站儲能管理方法中，對所述發電量時序輸入向量和所述負荷需求時序輸入向量進行發電量時序編碼和負荷需求時序編碼以得到發電量時序特征向量和負荷需求時序特征向量后對所述發電量時序特征向量和所述負荷需求時序特征向量進行特征關聯以得到發電量-負荷需求時序關聯特征矩陣，包括：將所述發電量時序輸入向量和所述負荷需求時序輸入向量分別輸入發電量時序編碼器和負荷需求時序編碼器以得到所述發電量時序特征向量和所述負荷需求時序特征向量；以及，將所述發電量時序特征向量和所述負荷需求時序特征向量進行時序關聯以得到所述發電量-負荷需求時序關聯特征矩陣。

25、與現有技術相比，本技術提供的一種通信基站儲能管理系統及方法，其通過傳感器和智能儀表采集儲能設備發電量、負荷需求和電池的儲能狀態的時間序列，其中，所述儲能狀態包括電池的充電狀態、放電狀態、溫度、電壓和電流，并采用基于人工智能對所述設備發電量、所述負荷需求和所述電池的儲能狀態進行時序特征處理和相互關聯，從而得到未來短時內能源需求量的預測值的預測結果。通過這樣的方式，能夠準確預測短期內的能源需求量，以此來智能調整電池的充放電策略，延長電池壽命，優化能源的使用，減少能源浪費，同時減少電網負荷的波動，從而增強電網的穩定性。