CN117791686B - 一种用于光伏声屏障的储能管理方法及*** - Google Patents

Abstract

本发明涉及跌倒检测领域，更具体的说，它涉及一种用于光伏声屏障的储能管理方法及***。一种用于光伏声屏障的储能管理***，包括：环境条件采集模块、光伏输出功率采集模块、待预测光伏发电数据集构建模块、负荷功率采集模块、预测光伏输出功率集输出模块、预测负荷功率集输出模块、储能时间段划分模块、储能模块控制策略分配模块和储能模块控制策略执行模块。本发明通过预测的光伏发电功率和负荷功率对下一个预设周期内的不同储能时间段执行不同的储能控制策略，无需根据实时获取的光伏发电功率和负荷功率进行储能控制，一是避免了储能控制的滞后性，而是提升了储能控制的连续性，避免不连续的储能控制对用电的影响。

Description

一种用于光伏声屏障的储能管理方法及***

技术领域

本发明涉及储能管理领域，更具体的说，它涉及一种用于光伏声屏障的储能管理方法及***。

背景技术

光伏声屏障是一种具有潜力的微电网组件，它结合了光伏发电和声屏障的功能，不仅可以产生电能，还可以提供噪音减少的效益。因此，光伏声屏障已经被广泛用于城市和高速公路等区域，以实现清洁能源的生产和环境改善。

目前对于光伏声屏障的光伏发电的使用是与微电网进行结合，实现区域自供电，然而，光伏声屏障的能源输出与微电网的电力需求之间存在不匹配的情况。在某些情况下，光伏声屏障可能产生过多的电能，而微电网的负荷需求较低。为了有效地利用光伏发电***的电能，同时确保微电网的稳定运行，储能***被引入以进行电能的储存和释放。储能***能够在电力需求高峰时段储存多余的电能，并在低负荷时段释放电能，从而平衡能源供需，提高***的可靠性和效率。

但是现有的针对光伏声屏障中的储能管理方法存在一些问题。其中一个主要问题是充放电的不连续性，传统的储能***通常在光伏声屏障发电充足时对储能***进行充电，然后在光伏声屏障发电不足时通过储能***对负载侧进行放电，这种充放电方式导致了供电的不连续性，可能会导致微电网在切换时出现电力波动，降低电力***的稳定性。

发明内容

本发明通过对预设周期内光伏发电侧的环境数据和光伏发电功率进行监测，和对微电网侧的负荷功率进行监测，并且结合时序预测模型对下一个预设周期的光伏发电功率和负荷功率进行预测，通过预测的光伏发电功率和负荷功率对下一个预设周期内的不同储能时间段执行不同的储能控制策略，无需根据实时获取的光伏发电功率和负荷功率进行储能控制，一是避免了储能控制的滞后性，而是提升了储能控制的连续性，避免不连续的储能控制对用电的影响。

一种用于光伏声屏障的储能管理方法，包括：

每一个预设周期内，在采样时间点T_t通过多传感器获取光伏声屏障侧当前的环境条件集G_t和光伏输出功率P_t，t用于记录获取环境条件集和光伏输出功率的编号，t=1，2，3，······，M，环境条件集G_t中存储的是各种归一化之后的环境数据值；将当前的环境条件集G_t和光伏输出功率P_t组成待预测光伏发电数据集H_t，同时，在采样时间点T_t获取微电网侧当前的负荷功率W_t；

每相邻两个储能策略更新节点之间的时间记为预设周期，且预设周期内根据M个采样时间点T_t划分为M个时间段，每个时间段的时长相同，在预设周期对应的后一个储能策略更新节点执行储能策略更新操作，具体方式如下：

将在预设周期内获取的M个待预测光伏发电数据集H_t组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集，预测光伏输出功率集中存储着后一个预设周期内M个采样时间点T_t时光伏声屏障的预测光伏输出功率P_t；

将在预设周期内获取的M个负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集，预测负荷功率集中存储着后续M个采样时间点T_t时微电网侧的预测负荷功率；

基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，并针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池；

控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略。

作为本发明优选的一个方面，基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，具体步骤如下：

将预测光伏输出功率集中的预测光伏输出功率记为FP_k，k=1，2，3，······，M，将预测负荷功率集中的预测负荷功率记为FW_k；

S1：令i=1，i用于记录选取的预测光伏输出功率和预测负荷功率的编号；

S2：选择预测光伏输出功率FP_i和预测负荷功率记为FW_i，判断预测光伏输出功率FP_i位于不足区间、波动区间和充足区间这三个区间中的哪一个区间，且不足区间为（P_min，（1-μ）FW_i），波动区间为[（1-μ）FW_i，（1+μ）FW_i]，充足区间为（（1+μ）FW_i，P_max），且P_min和P_max分别为光伏输出功率的下限值和上限值，u为波动系数；将预测光伏输出功率FP_i位于不足区间对应的采样时间点T_i添加至不足区间时间集合U₁，将预测光伏输出功率FP_i位于波动区间对应的采样时间点T_i添加至波动区间时间集合U₂，将预测光伏输出功率FP_i位于充足区间对应的采样时间点T_i添加至充足区间时间集合U₃；

S3：判断“i＜M”是否成立，若是“i＜M”成立，将i+1赋值给i，并回到S2；否则，进入S4；

S4：遍历不足区间时间集合U₁，将不足区间时间集合U₁内连续的采样时间点对应的时间记为不足区间储能时间段，为所有不足区间储能时间段分配不足区间储能控制策略；遍历波动区间时间集合U₂，将波动区间时间集合U₂内连续的采样时间点对应的时间记为波动区间储能时间段，为所有波动区间储能时间段分配波动区间储能控制策略；遍历充足区间时间集合U₃，为所有充足区间储能时间段分配充足区间储能控制策略，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段。

作为本发明优选的一个方面，针对不同的储能时间段确定不同的储能模块控制策略中，不同的储能模块控制策略包括不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略，且不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略的具体内容如下：

不足区间储能控制策略是指将光伏声屏障侧与微电网侧直接连接，将蓄电池与微电网侧直接连接，将超级电容器与微电网侧直接连接，控制光伏声屏障侧直接对与微电网侧进行供电，根据不足区间储能时间段内所有预测的预测光伏输出功率和预测负荷功率的平均差值控制蓄电池对微电网侧进行供电，平均差值指的是在执行不足区间储能控制策略时，获取当前不足区间储能时间段对应的所有预测的预测光伏发电功率和预测负荷功率，并按照时间顺序逐个计算预测的预测光伏发电功率与其对应的预测负荷功率的差值，再将所有差值计算平均值得到平均差值；若是蓄电池实际的荷电量小于蓄电池荷电量阈值，则根据不足区间储能时间段内所有预测的预测光伏发电功率和预测负荷功率的平均差值控制超级电容器对微电网侧进行供电；

波动区间储能控制策略是指将光伏声屏障侧与超级电容器进行连接，超级电容器与微电网侧连接；控制光伏声屏障侧对超级电容器直接进行供电，根据波动区间储能间段内所有预测的预测光伏发电功率的平均值控制超级电容器对微电网侧进行供电；

充足区间储能控制策略为将光伏声屏障侧与微电网侧直接连接，并且将光伏声屏障侧与超级电容器进行连接，超级电容器与蓄电池连接，根据充足区间储能时间段内所有预测的预测负荷功率的平均值控制光伏声屏障侧对微电网侧进行供电；光伏声屏障侧根据剩余的光伏输出功率对超级电容器进行供电，此处指的剩余的光伏输出功率是指在执行充足区间储能控制策略时，获取的实时光伏输出功率减去充足区间储能时间段内所有预测的负荷功率的平均值的光伏输出功率，实时光伏输出功率为实时监测的光伏声屏障侧的光伏输出功率；超级电容器根据额定功率对蓄电池进行供电。

作为本发明优选的一个方面，第一时序预测模型基于LSTM模型建立，其训练步骤如下：获取若干个预设周期的待预测光伏发电时序数据集，针对每一个待预测光伏发电时序数据集，通过下一个预设周期内实际的光伏输出功率进行标记，将待预测光伏发电时序数据集组成第一训练集；将第一训练集送入参数初始化的第一时序预测模型进行训练，计算第一损失值，判断第一损失值是否位于置信损失值范围内，若是第一损失值位于置信损失值范围内，输出训练好的第一时序预测模型；否则，通过第一训练集继续对第一时序预测模型进行训练。

作为本发明优选的一个方面，第二时序预测模型也是基于LSTM模型建立，其训练步骤如下：获取若干个预设周期内的电网负荷时序数据集，针对每个电网负荷时序数据集，通过下一个预设周期内实际的负荷功率进行标记，将电网负荷时序数据集组成第二训练集；将第二训练集送入参数初始化的第二时序预测模型进行训练，计算第二损失值，判断第二损失值是否位于置信损失值范围内，若是第二损失值位于置信损失值范围内，输出训练好的第二时序预测模型；否则，通过第二训练集继续对第二时序预测模型进行训练。

作为本发明优选的一个方面，还包括针对不足区间储能控制策略的补充：在执行不足区间储能控制策略，若是蓄电池实际的荷电量小于蓄电池荷电量阈值，且超级电容器实际的荷电量小于超级电容器荷电量阈值，接入电网对微电网侧进行供电。

作为本发明优选的一个方面，光伏声屏障侧采用多晶硅光伏电池的方式进行光伏发电。

一种用于光伏声屏障的储能管理***，包括：

环境条件采集模块，用于通过多传感器获取光伏声屏障侧的环境条件集；

光伏输出功率采集模块，用于采集光伏声屏障侧的光伏输出功率；

待预测光伏发电数据集构建模块，用于将同一时刻获取的环境条件集和光伏输出功率组成待预测光伏发电数据集；

负荷功率采集模块，用于获取微电网侧的负荷功率；

预测光伏输出功率集输出模块，用于将在预设周期内获取的待预测光伏发电数据集组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集；

预测负荷功率集输出模块，用于将在预设周期内获取的负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集；

储能时间段划分模块，用于基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段；

储能模块控制策略分配模块，用于针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池；

储能模块控制策略执行模块，用于控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略。

本发明具有以下优点：

1、本发明通过对预设周期内光伏发电侧的环境数据和光伏发电功率进行监测，和对微电网侧的负荷功率进行监测，并且结合时序预测模型对下一个预设周期的光伏发电功率和负荷功率进行预测，通过预测的光伏发电功率和负荷功率对下一个预设周期内的不同储能时间段执行不同的储能控制策略，无需根据实时获取的光伏发电功率和负荷功率进行储能控制，一是避免了储能控制的滞后性，而是提升了储能控制的连续性，避免不连续的储能控制对用电的影响。

2、本发明通过根据通过预测的光伏发电功率和负荷功率的大小比较对预设周期进行划分，并且划分过程中设置波动系数，使得后续预设周期的储能控制更加贴合实际情况，避免对应用电造成影响。

3、通过不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略，保证在微电网侧能够获取稳定的输入功率，并且能够满足微电网侧的负荷使用，同时针对蓄电池的操作都是额定功率，避免了在使用蓄电池时可变功率对蓄电池寿命的影响。

附图说明

图1为本发明实施例采用的用于光伏声屏障的储能管理***的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例1，一种用于光伏声屏障的储能管理方法，包括：

每一个预设周期内，在采样时间点T_t通过多传感器获取光伏声屏障侧当前的环境条件集G_t和光伏输出功率P_t，光伏声屏障侧采用多晶硅光伏电池的方式进行光伏发电，t用于记录获取环境条件集和光伏输出功率的编号，t=1，2，3，······，M，环境条件集G_t中存储的是各种归一化之后的环境数据值，例如光照强度值、温度值和湿度值等；将当前的环境条件集G_t和光伏输出功率P_t组成待预测光伏发电数据集H_t，同时，在采样时间点T_t获取微电网侧当前的负荷功率W_t；

每相邻两个储能策略更新节点之间的时间记为预设周期，预设周期可以由用户提前设定，预设采集周期越短，则针对储能***的管理更加准确，但是对于处理能力的要求较高，且预设周期内根据M个采样时间点T_t划分为M个时间段，每个时间段的时长相同，在预设周期对应的后一个储能策略更新节点执行储能策略更新操作，具体方式如下：

将在预设周期内获取的M个待预测光伏发电数据集H_t组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集，预测光伏输出功率集中存储着后一个预设周期内M个采样时间点T_t时光伏声屏障的预测光伏输出功率P_t；

将在预设周期内获取的M个负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集，预测负荷功率集中存储着后续M个采样时间点T_t时微电网侧的预测负荷功率；

基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，并针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池，通过对光伏输出功率和电网负荷的精准预测，可以优化储能模块的利用，减少能量浪费，增加能量的利用效率；

控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略。

本申请通过对预设周期内光伏发电侧的环境数据和光伏发电功率进行监测，和对微电网侧的负荷功率进行监测，并且结合时序预测模型对下一个预设周期的光伏发电功率和负荷功率进行预测，通过预测的光伏发电功率和负荷功率对下一个预设周期内的不同储能时间段执行不同的储能控制策略，无需根据实时获取的光伏发电功率和负荷功率进行储能控制，一是避免了储能控制的滞后性，而是提升了储能控制的连续性，避免不连续的储能控制对用电的影响。

基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，具体步骤如下：

将预测光伏输出功率集中的预测光伏输出功率记为FP_k，k=1，2，3，······，M，将预测负荷功率集中的预测负荷功率记为FW_k；

S1：令i=1，i用于记录选取的预测光伏输出功率和预测负荷功率的编号；

S2：选择预测光伏输出功率FP_i和预测负荷功率记为FW_i，判断预测光伏输出功率FP_i位于不足区间、波动区间和充足区间这三个区间中的哪一个区间，且不足区间为（P_min，（1-μ）FW_i），波动区间为[（1-μ）FW_i，（1+μ）FW_i]，充足区间为（（1+μ）FW_i，P_max），且P_min和P_max分别为光伏输出功率的下限值和上限值，u为波动系数，一般设置为0.2；将预测光伏输出功率FP_i位于不足区间对应的采样时间点T_i添加至不足区间时间集合U₁，将预测光伏输出功率FP_i位于波动区间对应的采样时间点T_i添加至波动区间时间集合U₂，将预测光伏输出功率FP_i位于充足区间对应的采样时间点T_i添加至充足区间时间集合U₃；

S3：判断“i＜M”是否成立，若是“i＜M”成立，说明还未遍历完预测光伏输出功率集中所有的预测光伏输出功率，将i+1赋值给i，并回到S2；否则，说明已经遍历完预测光伏输出功率集中所有的预测光伏输出功率，进入S4；

S4：遍历不足区间时间集合U₁，将不足区间时间集合U₁内连续的采样时间点对应的时间记为不足区间储能时间段，即将不足区间时间集合U₁内每段连续的采样时间点中起始的采样时间点作为起始时刻和末尾的采样时间点作为终点时刻，为所有不足区间储能时间段分配不足区间储能控制策略；遍历波动区间时间集合U₂，将波动区间时间集合U₂内连续的采样时间点对应的时间记为波动区间储能时间段，即将波动区间时间集合U₂内每段连续的采样时间点中起始的采样时间点作为起始时刻和末尾的采样时间点作为终点时刻，为所有波动区间储能时间段分配波动区间储能控制策略；遍历充足区间时间集合U₃，将充足区间时间集合U₃内连续的采样时间点对应的时间记为充足区间储能时间段，即将充足区间时间集合U₃内每段连续的采样时间点中起始的采样时间点作为起始时刻和末尾的采样时间点作为终点时刻，为所有充足区间储能时间段分配充足区间储能控制策略，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段。

本申请通过根据通过预测的光伏发电功率和负荷功率的大小比较对预设周期进行划分，并且划分过程中设置波动系数，使得后续预设周期的储能控制更加贴合实际情况，避免对应用电造成影响。

针对不同的储能时间段确定不同的储能模块控制策略中，不同的储能模块控制策略包括不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略，且不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略的具体内容如下：

不足区间储能控制策略是指将光伏声屏障侧与微电网侧直接连接，将蓄电池与微电网侧直接连接，将超级电容器与微电网侧直接连接，控制光伏声屏障侧直接对与微电网侧进行供电，根据不足区间储能时间段内所有预测的预测光伏输出功率和预测负荷功率的平均差值控制蓄电池对微电网侧进行供电，平均差值指的是在执行不足区间储能控制策略时，获取当前不足区间储能时间段对应的所有预测的预测光伏发电功率和预测负荷功率，并按照时间顺序逐个计算预测的预测光伏发电功率与其对应的预测负荷功率的差值，再将所有差值计算平均值得到平均差值；若是蓄电池实际的荷电量小于蓄电池荷电量阈值，蓄电池荷电量阈值由蓄电池的型号信息决定，则根据不足区间储能时间段内所有预测的预测光伏发电功率和预测负荷功率的平均差值控制超级电容器对微电网侧进行供电；

波动区间储能控制策略是指将光伏声屏障侧与超级电容器进行连接，超级电容器与微电网侧连接；控制光伏声屏障侧对超级电容器直接进行供电，根据波动区间储能间段内所有预测的预测光伏发电功率的平均值控制超级电容器对微电网侧进行供电；

充足区间储能控制策略为将光伏声屏障侧与微电网侧直接连接，并且将光伏声屏障侧与超级电容器进行连接，超级电容器与蓄电池连接，根据充足区间储能时间段内所有预测的预测负荷功率的平均值控制光伏声屏障侧对微电网侧进行供电；光伏声屏障侧根据剩余的光伏输出功率对超级电容器进行供电，此处指的剩余的光伏输出功率是指在执行充足区间储能控制策略时，获取的实时光伏输出功率减去充足区间储能时间段内所有预测的负荷功率的平均值的光伏输出功率，实时光伏输出功率为实时监测的光伏声屏障侧的光伏输出功率；超级电容器根据额定功率对蓄电池进行供电。

本申请通过不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略，保证在微电网侧能够获取稳定的输入功率，并且能够满足微电网侧的负荷使用，同时针对蓄电池的操作都是额定功率，避免了在使用蓄电池时可变功率对蓄电池寿命的影响。

第一时序预测模型基于LSTM模型建立，其训练步骤如下：获取若干个预设周期的待预测光伏发电时序数据集，需要说明的是，此处的待预测所有光伏发电时序数据集是由工作人员根据实际的光伏声屏障侧进行记录的，针对每一个待预测光伏发电时序数据集，通过下一个预设周期内实际的光伏输出功率进行标记，实际的光伏输出功率指的是工作人员在下一个预设周期内实际获取的光伏输出功率，将待预测光伏发电时序数据集组成第一训练集；将第一训练集送入参数初始化的第一时序预测模型进行训练，计算第一损失值，判断第一损失值是否位于置信损失值范围内，置信损失值范围用于作为阈值判断第一时序预测模型的准确率，可以人为设定，若是第一损失值位于置信损失值范围内，输出训练好的第一时序预测模型；否则，通过第一训练集继续对第一时序预测模型进行训练。

第二时序预测模型也是基于LSTM模型建立，其训练步骤如下：获取若干个预设周期内的电网负荷时序数据集，需要说明的是，此处的电网负荷时序数据集也是由工作人员根据实际的微电网侧进行记录的，针对每个电网负荷时序数据集，通过下一个预设周期内实际的负荷功率进行标记，实际的负荷功率指的是工作人员在下一个预设周期内实际获取的负荷功率，根据用户实际的用电需求进行统计，将电网负荷时序数据集组成第二训练集；将第二训练集送入参数初始化的第二时序预测模型进行训练，计算第二损失值，判断第二损失值是否位于置信损失值范围内，若是第二损失值位于置信损失值范围内，输出训练好的第二时序预测模型；否则，通过第二训练集继续对第二时序预测模型进行训练。

在执行不足区间储能控制策略，若是出现光伏声屏障侧和储能模块都不足以满足微电网侧的用电需求时，可以接入电网对微电网侧进行供电，具体步骤如下：在执行不足区间储能控制策略，若是蓄电池实际的荷电量小于蓄电池荷电量阈值，且超级电容器实际的荷电量小于超级电容器荷电量阈值，超级电容器荷电量阈值由超级电容器的型号信息决定，接入电网对微电网侧进行供电。

实施例2

一种用于光伏声屏障的储能管理***，参见图1，包括：

环境条件采集模块，用于通过多传感器获取光伏声屏障侧的环境条件集；

光伏输出功率采集模块，用于采集光伏声屏障侧的光伏输出功率；

待预测光伏发电数据集构建模块，用于将同一时刻获取的环境条件集和光伏输出功率组成待预测光伏发电数据集；

负荷功率采集模块，用于获取微电网侧的负荷功率；

预测光伏输出功率集输出模块，用于将在预设周期内获取的待预测光伏发电数据集组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集；

预测负荷功率集输出模块，用于将在预设周期内获取的负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集；

储能时间段划分模块，用于基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段；

储能模块控制策略分配模块，用于针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池；

储能模块控制策略执行模块，用于控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (6)

1.一种用于光伏声屏障的储能管理方法，其特征在于，包括：

每一个预设周期内，在采样时间点T_t通过多传感器获取光伏声屏障侧当前的环境条件集G_t和光伏输出功率P_t，t用于记录获取环境条件集和光伏输出功率的编号，t=1，2，3，······，M，环境条件集G_t中存储的是各种归一化之后的环境数据值；将当前的环境条件集G_t和光伏输出功率P_t组成待预测光伏发电数据集H_t，同时，在采样时间点T_t获取微电网侧当前的负荷功率W_t；

每相邻两个储能策略更新节点之间的时间记为预设周期，且预设周期内根据M个采样时间点T_t划分为M个时间段，每个时间段的时长相同，在预设周期对应的后一个储能策略更新节点执行储能策略更新操作，具体方式如下：

将在预设周期内获取的M个待预测光伏发电数据集H_t组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集，预测光伏输出功率集中存储着后一个预设周期内M个采样时间点T_t时光伏声屏障的预测光伏输出功率P_t；

将在预设周期内获取的M个负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集，预测负荷功率集中存储着后续M个采样时间点T_t时微电网侧的预测负荷功率；

基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，并针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池；

控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略；

基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，具体步骤如下：

将预测光伏输出功率集中的预测光伏输出功率记为FP_k，k=1，2，3，······，M，将预测负荷功率集中的预测负荷功率记为FW_k；

S1：令i=1，i用于记录选取的预测光伏输出功率和预测负荷功率的编号；

S2：选择预测光伏输出功率FP_i和预测负荷功率记为FW_i，判断预测光伏输出功率FP_i位于不足区间、波动区间和充足区间这三个区间中的哪一个区间，且不足区间为（P_min，（1-μ）FW_i），波动区间为[（1-μ）FW_i，（1+μ）FW_i]，充足区间为（（1+μ）FW_i，P_max），且P_min和P_max分别为光伏输出功率的下限值和上限值，u为波动系数；将预测光伏输出功率FP_i位于不足区间对应的采样时间点T_i添加至不足区间时间集合U₁，将预测光伏输出功率FP_i位于波动区间对应的采样时间点T_i添加至波动区间时间集合U₂，将预测光伏输出功率FPi位于充足区间对应的采样时间点T_i添加至充足区间时间集合U₃；

S3：判断“i＜M”是否成立，若是“i＜M”成立，将i+1赋值给i，并回到S2；否则，进入S4；

S4：遍历不足区间时间集合U₁，将不足区间时间集合U₁内连续的采样时间点对应的时间记为不足区间储能时间段，为所有不足区间储能时间段分配不足区间储能控制策略；遍历波动区间时间集合U₂，将波动区间时间集合U₂内连续的采样时间点对应的时间记为波动区间储能时间段，为所有波动区间储能时间段分配波动区间储能控制策略；遍历充足区间时间集合U₃，为所有充足区间储能时间段分配充足区间储能控制策略，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段；

针对不同的储能时间段确定不同的储能模块控制策略中，不同的储能模块控制策略包括不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略，且不足区间储能控制策略、波动区间储能控制策略和充足区间控制策略的具体内容如下：

不足区间储能控制策略是指将光伏声屏障侧与微电网侧直接连接，将蓄电池与微电网侧直接连接，将超级电容器与微电网侧直接连接，控制光伏声屏障侧直接对与微电网侧进行供电，根据不足区间储能时间段内所有预测的预测光伏输出功率和预测负荷功率的平均差值控制蓄电池对微电网侧进行供电，平均差值指的是在执行不足区间储能控制策略时，获取当前不足区间储能时间段对应的所有预测的预测光伏发电功率和预测负荷功率，并按照时间顺序逐个计算预测的预测光伏发电功率与其对应的预测负荷功率的差值，再将所有差值计算平均值得到平均差值；若是蓄电池实际的荷电量小于蓄电池荷电量阈值，则根据不足区间储能时间段内所有预测的预测光伏发电功率和预测负荷功率的平均差值控制超级电容器对微电网侧进行供电；

波动区间储能控制策略是指将光伏声屏障侧与超级电容器进行连接，超级电容器与微电网侧连接；控制光伏声屏障侧对超级电容器直接进行供电，根据波动区间储能间段内所有预测的预测光伏发电功率的平均值控制超级电容器对微电网侧进行供电；

充足区间储能控制策略为将光伏声屏障侧与微电网侧直接连接，并且将光伏声屏障侧与超级电容器进行连接，超级电容器与蓄电池连接，根据充足区间储能时间段内所有预测的预测负荷功率的平均值控制光伏声屏障侧对微电网侧进行供电；光伏声屏障侧根据剩余的光伏输出功率对超级电容器进行供电，此处指的剩余的光伏输出功率是指在执行充足区间储能控制策略时，获取的实时光伏输出功率减去充足区间储能时间段内所有预测的负荷功率的平均值的光伏输出功率，实时光伏输出功率为实时监测的光伏声屏障侧的光伏输出功率；超级电容器根据额定功率对蓄电池进行供电。

2.根据权利要求1所述的一种用于光伏声屏障的储能管理方法，其特征在于，第一时序预测模型基于LSTM模型建立，其训练步骤如下：获取若干个预设周期的待预测光伏发电时序数据集，针对每一个待预测光伏发电时序数据集，通过下一个预设周期内实际的光伏输出功率进行标记，将待预测光伏发电时序数据集组成第一训练集；将第一训练集送入参数初始化的第一时序预测模型进行训练，计算第一损失值，判断第一损失值是否位于置信损失值范围内，若是第一损失值位于置信损失值范围内，输出训练好的第一时序预测模型；否则，通过第一训练集继续对第一时序预测模型进行训练。

3.根据权利要求2所述的一种用于光伏声屏障的储能管理方法，其特征在于，第二时序预测模型也是基于LSTM模型建立，其训练步骤如下：获取若干个预设周期内的电网负荷时序数据集，针对每个电网负荷时序数据集，通过下一个预设周期内实际的负荷功率进行标记，将电网负荷时序数据集组成第二训练集；将第二训练集送入参数初始化的第二时序预测模型进行训练，计算第二损失值，判断第二损失值是否位于置信损失值范围内，若是第二损失值位于置信损失值范围内，输出训练好的第二时序预测模型；否则，通过第二训练集继续对第二时序预测模型进行训练。

4.根据权利要求3所述的一种用于光伏声屏障的储能管理方法，其特征在于，还包括针对不足区间储能控制策略的补充：在执行不足区间储能控制策略，若是蓄电池实际的荷电量小于蓄电池荷电量阈值，且超级电容器实际的荷电量小于超级电容器荷电量阈值，接入电网对微电网侧进行供电。

5.根据权利要求4所述的一种用于光伏声屏障的储能管理方法，其特征在于，光伏声屏障侧采用多晶硅光伏电池的方式进行光伏发电。

6.一种用于光伏声屏障的储能管理***，其特征在于，所述***应用上述权利要求1-5任一项所述的一种用于光伏声屏障的储能管理方法，包括：

环境条件采集模块，用于通过多传感器获取光伏声屏障侧的环境条件集；

光伏输出功率采集模块，用于采集光伏声屏障侧的光伏输出功率；

待预测光伏发电数据集构建模块，用于将同一时刻获取的环境条件集和光伏输出功率组成待预测光伏发电数据集；

负荷功率采集模块，用于获取微电网侧的负荷功率；

预测光伏输出功率集输出模块，用于将在预设周期内获取的待预测光伏发电数据集组成待预测光伏发电时序数据集，再将待预测光伏发电时序数据集送入第一时序预测模型进行处理，并输出预测光伏输出功率集；

预测负荷功率集输出模块，用于将在预设周期内获取的负荷功率组成电网负荷时序数据集，再将电网负荷时序数据集送入第二时序预测模型进行处理，并输出预测负荷功率集；

储能时间段划分模块，用于基于预测光伏输出功率集内的光伏输出功率和预测负荷功率集内的预测负荷功率的大小比较，将下一个预设周期划分为不同的储能时间段，且储能时间段包括不足区间储能时间段、波动区间储能时间段和充足区间储能时间段；

储能模块控制策略分配模块，用于针对不同的储能时间段确定不同的储能模块控制策略，且储能模块包括超级电容器和蓄电池；

储能模块控制策略执行模块，用于控制储能模块在下一个预设周期内的不同的储能时间段执行不同的储能模块控制策略。