CN118868091B - 基于人工智能的低碳楼宇光储充系统分层调度方法 - Google Patents

Abstract

本申请提供一种低碳楼宇光储充系统分层调度方法。该方法通过光伏管理层获取预设未来时段内的天气数据，并根据天气数据确定预设未来时段的预测光伏发电数据，通过设备负荷层根据历史负荷监控数据确定预设未来时段的预测用电负荷数据，以及通过储能管理层获取储能设备当前的剩余电能数据，然后，智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略，从而指示在预设未来时段内光伏管理层、设备负荷层、电网管理层以及储能管理层之间的电能传输方向，进而有效地将光伏发电与楼宇用电负荷进行匹配，实现电能的实时优化调度。

Description

基于人工智能的低碳楼宇光储充系统分层调度方法

技术领域

本申请涉及数据处理技术，尤其涉及一种基于人工智能的低碳楼宇光储充系统分层调度方法。

背景技术

随着全球能源需求的不断增长和环境保护意识的日益增强，低碳、节能、高效的能源管理系统成为现代楼宇建设的重要方向。传统的楼宇能源管理系统往往存在能源利用效率低、调度不灵活、对环境变化适应性差等问题，难以满足现代楼宇对能源管理的需求。

在楼宇能源管理系统中，光伏发电作为一种清洁、可再生的能源形式，具有巨大的应用潜力。然而，光伏发电受天气条件影响大，其发电量具有不确定性和波动性。同时，楼宇内部的用电负荷也随时间变化，存在峰谷差异。因此，如何有效地将光伏发电与楼宇用电负荷进行匹配，实现电能的优化调度，成为楼宇能源管理领域亟待解决的技术问题。

发明内容

本申请提供一种基于人工智能的低碳楼宇光储充系统分层调度方法，用以解决如何有效地将光伏发电与楼宇用电负荷进行匹配，实现电能的优化调度，成为楼宇能源管理领域亟待解决的技术问题。

第一方面，本申请提供一种基于人工智能的低碳楼宇光储充系统分层调度方法，应用于楼宇光储充管理系统，所述楼宇光储充管理系统包括智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层，所述智能调度层分别与所述光伏管理层、所述储能管理层以及所述设备负荷层连接；所述方法，包括：

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，并将所述预测光伏发电数据发送至所述智能调度层；

所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，并将所述预测用电负荷数据发送至所述智能调度层；

所述储能管理层获取储能设备当前的剩余电能数据，并将所述剩余电能数据发送至所述智能调度层；

所述智能调度层利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，所述电能调度策略用于指示所述光伏管理层、所述设备负荷层、所述电网管理层以及所述储能管理层之间的电能传输方向。

在上述方案中，通过引入智能调度层，实现了楼宇光储充系统的智能化管理，其中，智能调度层能够综合处理来自光伏管理层、设备负荷层和储能管理层的数据，并基于这些数据制定高效的电能调度策略，从而显著提升了系统的自动化和智能化水平。并且，上述的电能调度策略充分考虑了光伏发电量、用电负荷和储能设备剩余电量等多种因素，通过合理的电能分配和传输，实现了能源的高效利用，避免了不必要的能源浪费。通过分层设计，各管理层各司其职，相互协作，确保了楼宇光储充系统的稳定运行。同时，智能调度层能够实时调整调度策略，以应对各种情况，进一步提高了系统的稳定性和可靠性。可见，通过上述方案中的优化电能调度，不仅降低了楼宇的能源成本，还提高了能源利用效率。

可选的，所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，包括：

根据所述天气数据中的环境温度数据确定温度影响因子曲线；

根据所述天气数据中的光照角度数据确定光照角度影响因子曲线；

根据所述天气数据中的光照强度数据、所述温度影响因子曲线以及所述光照角度影响因子曲线确定所述预测光伏发电数据。

在上述方案中，通过综合考虑天气数据中的环境温度、光照强度和光照角度多个因素，并利用这些因素分别确定出温度影响因子曲线和光照角度影响因子曲线，再结合光照强度数据来确定预测光伏发电数据，能够更全面地反映实际光伏发电过程中的复杂性和动态性，从而显著提高了光伏发电预测的准确性，使得楼宇光储充系统的电能调度更加精准和科学。

准确的预测光伏发电数据为智能调度层提供了重要的决策依据。在能源分配和管理上，可以根据预测的光伏发电量合理安排电能的使用和存储，避免能源浪费和过度依赖外部电网供电。这有助于提升楼宇光储充系统的整体能源利用效率，降低运行成本，实现低碳环保的目标。

并且，在光伏发电过程中，环境因素的变化（如温度、光照强度和角度）对发电量有显著影响。通过精确预测这些因素对光伏发电的影响，可以及时调整系统的工作状态，减少因环境突变导致的发电量骤降或过剩，从而增强系统的稳定性和可靠性。

此外，智能调度层利用这些准确的预测数据，可以更加科学地制定电能调度策略。在不同情况下，能够准确判断光伏发电量是否能够满足用电负荷需求，并据此决定是否需要从储能管理层或电网管理层获取电能补充，或者将多余的电能传输给储能管理层或电网管理层。这种智能调度决策能力有助于实现楼宇光储充系统的自动化、智能化管理。

可选的，所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，包括：

所述设备负荷层获取所述历史负荷监控数据中各个时间节点所对应的负荷用电量，以生成历史负荷用电量序列；

根据所述历史负荷用电量序列确定预测特征权重值，以根据所述历史负荷用电量序列、所述预测特征权重值以及上一个预测周期的预测用电负荷用电量确定所述预设未来时段所对应的预测用电负荷用电量，所述预设未来时段的预测用电负荷数据包括所述预测用电负荷用电量。

在上述方案中，通过获取历史负荷监控数据中各个时间节点的负荷用电量，生成完整的历史负荷用电量序列，这一步骤为后续的预测分析提供了坚实的基础。进一步地，根据历史数据确定预测特征权重值，使得预测模型能够自动学习和识别影响用电负荷的关键因素及其权重，从而更加准确地预测未来时段的用电负荷。这种基于历史数据驱动的预测方法显著提高了预测精度，为楼宇光储充系统的电能调度提供了可靠依据。

由于不同楼宇的用电负荷特性可能因建筑类型、用途、人员活动等因素而有所不同，传统的固定参数预测方法往往难以适应这些变化。而该方法通过自动学习和调整预测特征权重值，能够动态适应不同楼宇的用电负荷变化，增强了系统的适应性和灵活性。

准确的预测用电负荷数据使得楼宇光储充系统能够提前规划电能的使用和分配。在系统运行时，可以根据预测数据合理调整光伏发电、储能和电网供电的比例，确保电能供需平衡，减少能源浪费和电网压力。这有助于优化资源配置，提高系统的经济性和环保性。

设备负荷层通过精确预测未来时段的用电负荷，为智能调度层提供了重要的决策支持。智能调度层可以根据预测数据制定更加科学合理的电能调度策略，确保系统在不同运行状态下都能保持高效稳定运行。这种智能决策能力有助于提升楼宇光储充系统的自动化水平和智能化程度。

可选的，所述智能调度层利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，包括：

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据小于预设剩余电量，则所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述储能管理层传输电能，其中，所述第一比例阈值为大于1的数值；

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述电网管理层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值大于所述第一比例阈值，则所述电能调度策略用于指示所述光伏管理层与所述储能管理层向所述设备负荷层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层、所述储能管理层以及所述电网管理层向所述设备负荷层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据小于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层以及所述电网管理层向所述设备负荷层与所述储能管理层传输电能。

在上述方案中，智能调度层根据多种数据（预测光伏发电数据、预测用电负荷数据、剩余电能数据）和预设条件（如第一比例阈值、预设剩余电量）来制定电能调度策略，从而确保在不同情况下，系统都能做出最优的电能分配决策，进而最大化能源利用效率。具体的，通过设定多种条件判断逻辑，以灵活应对不同的能源供需场景。例如，在光伏发电充足但储能设备电量不足时，优先向设备负荷层和储能管理层供电；在光伏发电和储能电量均不足以满足负荷需求时，引入电网管理层参与供电。在储能设备电量充足时，上述方案能够合理利用储能资源，减少不必要的电网供电，从而降低能源成本和碳排放。同时，在储能设备电量不足时，通过合理安排光伏发电和电网供电的优先级，确保储能设备得到及时补充，以应对未来的能源需求。通过优化电能调度策略，上述方案能够减少不必要的能源浪费和成本支出。例如，在光伏发电充足时，优先利用清洁能源供电，减少电网购电费用；在储能设备电量充足时，减少电网供电依赖，降低电网购电成本。这些措施共同提高了系统的经济性。通过综合考虑多种因素制定电能调度策略，上述方案能够确保系统在各种情况下的稳定运行，特别是在能源供需紧张或突发情况下，通过合理的电能分配和传输，能够有效缓解供需矛盾，提高系统的可靠性和稳定性。

可选的，所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述储能管理层传输电能，包括:

所述智能调度层根据所述预测用电负荷数据生成向所述设备负荷层传输的第一预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第一预测电能供应数据的电能；

所述智能调度层根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述储能管理层传输的第二预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述储能管理层传输所述第二预测电能供应数据的电能。

在上述方案中，通过根据预测用电负荷数据生成向设备负荷层传输的第一预测电能供应数据，以及根据预测光伏发电数据与第一预测电能供应数据生成向储能管理层传输的第二预测电能供应数据，确保了电能的合理分配和高效利用。在向储能管理层传输电能时，智能调度层根据光伏发电的实际情况和预测的用电负荷需求，合理确定储能设备的充电量。这有助于优化储能设备的充电策略，确保储能设备在需要时能够提供足够的电能支持，同时避免过度充电导致的能源浪费和设备损耗。并且，通过预设的电能传输调度模型和预测数据，智能调度层能够迅速制定并执行电能调度策略，这种高效的响应速度有助于系统快速适应能源供需变化，确保楼宇内各设备的稳定运行和高效工作。此外，智能调度层能够根据不同的能源供需情况，灵活调整电能分配策略，以满足设备负荷层和储能管理层的不同需求。这种灵活性有助于系统更好地应对各种复杂情况，提高整体运行效率。可见，通过优先利用光伏发电等清洁能源供电，并合理优化储能设备的充电策略，上述方案有助于减少化石能源的消耗和碳排放。

可选的，所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述电网管理层传输电能，包括：

所述智能调度层根据所述预测用电负荷数据生成向所述设备负荷层传输的第一预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第一预测电能供应数据的电能；

所述智能调度层根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述电网管理层传输的第三预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述电网管理层传输所述第三预测电能供应数据的电能。

在上述方案中，通过向电网管理层传输多余的电能，有助于平衡电网的整体负荷，减轻电网在高峰时段的压力，从而有助于提升电网的稳定性和可靠性，减少因电网负荷过大而可能导致的停电风险。此外，将多余的电能传输给电网管理层，不仅有助于平衡电网负荷，还可能为楼宇带来一定的经济收益。通过参与电网的电力交易或获得补贴，楼宇可以进一步降低运营成本，提升整体经济效益。并且，智能调度层能够根据实时数据和预测结果，快速调整电能传输策略，以满足设备负荷层和电网管理层的不同需求。

可选的，所述电能调度策略用于指示所述光伏管理层与所述储能管理层向所述设备负荷层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据以及所述预测光伏发电数据生成向所述储能管理层传输的第五预测电能供应数据，以指示所述储能管理层在所述预设未来时段内向所述设备负荷层传输所述第五预测电能供应数据的电能。

在上述方案中，通过智能调度层根据预测用电负荷数据和预测光伏发电数据生成向储能管理层传输的第五预测电能供应数据，该策略能够准确控制储能管理层的放电过程，从而优化储能设备的利用率，同时提高整体能源利用效率。在光伏发电量不足以完全满足设备负荷层需求时，通过智能调度层的协调，光伏管理层和储能管理层能够共同为设备负荷层提供电能，最大限度地利用了光伏发电这一清洁能源，减少了对电网的依赖，提高了能源利用效率。上述方案实现了对光伏发电、储能设备和设备负荷层之间的电能传输的精细化控制，有助于提升楼宇光储充系统的智能化程度，使其能够更好地适应能源供需变化，实现高效、节能的运行。

可选的，所述电能调度策略用于指示所述光伏管理层、所述储能管理层以及所述电网管理层向所述设备负荷层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述剩余电能数据以及预设剩余电能阈值生成向所述设备负荷层传输的第六预测电能供应数据，以指示所述储能管理层在所述预设未来时段内向所述设备负荷层传输所述第六预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据、所述预测光伏发电数据以及所述第六预测电能供应数据确定第七预测电能供应数据，以指示所述电网管理层在所述预设未来时段内向所述设备负荷层传输所述第七预测电能供应数据的电能。

在上述方案中，智能调度层根据预测光伏发电数据、剩余电能数据以及预测用电负荷数据，确定并分配各能源源头的电能供应比例，使得能源利用更加高效，避免了能源的浪费和过度依赖某一能源源头的风险。通过充分利用光伏发电、合理调度储能设备和优化电网供电，该策略有助于降低楼宇的电费支出，提高能源利用效率，从而提升整体经济效益。

可选的，所述电能调度策略用于指示所述光伏管理层以及所述电网管理层向所述设备负荷层与所述储能管理层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据以及所述预测光伏发电数据确定第八预测电能供应数据，以指示所述电网管理层在所述预设未来时段内向所述设备负荷层传输所述第八预测电能供应数据的电能。

在上述方案中，在光伏发电不足的情况下，智能调度层能够根据预测用电负荷数据和预测光伏发电数据，确定出电网管理层需要向设备负荷层传输的电能数量（即第八预测电能供应数据）。这种优化供电策略有助于降低电网的负荷压力，同时确保楼宇内部的电能供需平衡。

第二方面，本申请提供一种楼宇光储充管理系统，包括：智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层，所述智能调度层分别与所述光伏管理层、所述储能管理层以及所述设备负荷层连接；

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，并将所述预测光伏发电数据发送至所述智能调度层；

所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，并将所述预测用电负荷数据发送至所述智能调度层；

所述储能管理层获取储能设备当前的剩余电能数据，并将所述剩余电能数据发送至所述智能调度层；

所述智能调度层根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，所述电能调度策略用于指示所述光伏管理层、所述设备负荷层、所述电网管理层以及所述储能管理层之间的电能传输方向。

第三方面，本申请提供一种电子设备，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中所述的任一种可能的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面中所述的任一种可能的方法。

本申请提供的低碳楼宇光储充系统分层调度方法，通过光伏管理层获取预设未来时段内的天气数据，并根据天气数据确定预设未来时段的预测光伏发电数据，通过设备负荷层根据历史负荷监控数据确定预设未来时段的预测用电负荷数据，以及通过储能管理层获取储能设备当前的剩余电能数据，然后，智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略，从而指示在预设未来时段内光伏管理层、设备负荷层、电网管理层以及储能管理层之间的电能传输方向，进而有效地将光伏发电与楼宇用电负荷进行匹配，实现电能的实时优化调度，以应对各种情况，不仅降低了楼宇的能源成本，还提高了能源利用效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请根据一示例实施例示出的低碳楼宇光储充系统分层调度方法的流程示意图;

图2是本申请根据另一示例实施例示出的低碳楼宇光储充系统分层调度方法的流程示意图；

图3是本申请根据一示例实施例示出的楼宇光储充管理系统的结构示意图；

图4是本申请根据一示例实施例示出的电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

为了解决上述问题，本申请提供的实施例，设计了一种楼宇光储充管理系统，该系统包括智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层。这种分层设计使得各个管理层各司其职，相互协作，共同实现楼宇内的电能高效管理和调度。其中，对于各个系统分层调度的具体构思如下：

光伏管理层通过获取预设未来时段内的天气数据（包括光照强度、环境温度、光照角度等），结合预设的算法模型，精确预测该时段的光伏发电量。这种预测机制充分考虑了环境因素对光伏发电的影响，提高了预测的准确性。

设备负荷层则根据历史负荷监控数据，利用数据分析和预测算法，预测未来时段的用电负荷。通过生成历史负荷用电量序列，并确定预测特征权重值，进一步提高了预测精度，为电能调度提供了可靠依据。

智能调度层作为核心管理层，综合处理来自光伏管理层、设备负荷层和储能管理层的数据，利用预设的电能传输调度模型，制定高效的电能调度策略。这些策略考虑了光伏发电量、用电负荷和储能设备剩余电量等多种因素，通过合理的电能分配和传输，实现了能源的高效利用。具体策略包括：

在光伏发电充足时，优先满足设备负荷层需求，并视情况向储能管理层或电网管理层传输多余电能。

在光伏发电不足时，智能调度层会根据储能设备的剩余电量和电网供电情况，灵活调整电能传输方向，确保楼宇内的电能供需平衡。

通过引入智能调度层，实现了楼宇光储充系统的智能化管理。智能调度层能够实时调整调度策略，应对各种能源供需变化，提高系统的稳定性和可靠性。同时，这种自动化管理显著降低了人力成本，提高了能源管理的效率。

通过优化电能调度，本申请提供的实施例不仅降低了楼宇的能源成本，还提高了能源利用效率，实现了低碳环保的目标。此外，通过合理安排光伏发电、储能和电网供电的比例，进一步降低了楼宇的电费支出，提高了整体经济效益。

综上所述，本申请提供的实施例通过智能化的系统架构、高效的预测机制、灵活的电能调度策略以及自动化管理手段，为楼宇光储充系统的高效、稳定运行提供了全面解决方案，促进了能源的高效利用和低碳排放。

图1是本申请根据一示例实施例示出的低碳楼宇光储充系统分层调度方法的流程示意图。如图1所示，本实施例提供的低碳楼宇光储充系统分层调度方法，包括：

S101、光伏管理层获取预设未来时段内的天气数据，并根据天气数据确定预设未来时段的预测光伏发电数据。

本申请实施例提供的方法可以应用于楼宇光储充管理系统。该楼宇光储充管理系统包括智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层，智能调度层分别与光伏管理层、储能管理层以及设备负荷层连接。可见，楼宇光储充管理系统主要由五个层次组成：智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层。智能调度层作为核心，负责接收来自各管理层的数据，并基于这些数据制定电能调度策略，然后向各管理层发送调度指令。

在本步骤中，光伏管理层获取预设未来时段内的天气数据，并根据天气数据确定预设未来时段的预测光伏发电数据，并将预测光伏发电数据发送至智能调度层。

具体的，在预设的未来时段（如次日、未来一周等）开始前，光伏管理层首先通过气象接口或本地气象站获取该时段内的天气数据，包括但不限于太阳辐射强度、温度、云量等。随后，利用预先训练的光伏发电预测模型，根据这些天气数据计算出该时段的预测光伏发电数据，并将这些数据实时发送给智能调度层。

S102、设备负荷层根据历史负荷监控数据确定预设未来时段的预测用电负荷数据。

在本步骤中，设备负荷层根据历史负荷监控数据确定预设未来时段的预测用电负荷数据，并将预测用电负荷数据发送至智能调度层。

具体的，设备负荷层则基于历史负荷监控数据，运用负荷预测算法（如时间序列分析、机器学习模型等）来估算未来时段的预测用电负荷数据。这些数据反映了楼宇内各类设备在未来时段内的用电需求，对制定电能调度策略至关重要。预测完成后，设备负荷层将预测用电负荷数据发送给智能调度层。

S103、储能管理层获取储能设备当前的剩余电能数据。

在本步骤中，储能管理层获取储能设备当前的剩余电能数据，并将剩余电能数据发送至智能调度层。

具体的，储能管理层定期检测储能设备的状态，包括电池的剩余电量、健康状态等信息。在接收到智能调度层的查询请求后，储能管理层将当前的剩余电能数据上传给智能调度层，以便在制定调度策略时考虑储能设备的储能能力。

S104、智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略。

在本步骤中，智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略，电能调度策略用于指示光伏管理层、设备负荷层、电网管理层以及储能管理层之间的电能传输方向。智能调度层根据制定的电能调度策略，向光伏管理层、储能管理层、电网管理层以及设备负荷层发送具体的调度指令。各管理层接收到指令后，按照要求执行相应的电能传输操作，以实现楼宇内部的电能平衡和优化调度。

在第一种情况中，若预测光伏发电数据与预测用电负荷数据之间的第一比值大于第一比例阈值，剩余电能数据小于预设剩余电量，则电能调度策略用于指示光伏管理层向设备负荷层与储能管理层传输电能，其中，第一比例阈值为大于1的数值。

进一步的，智能调度层根据预测用电负荷数据生成向设备负荷层传输的第一预测电能供应数据，以指示光伏管理层在预设未来时段内向设备负荷层传输第一预测电能供应数据的电能。智能调度层根据预测光伏发电数据与第一预测电能供应数据生成向储能管理层传输的第二预测电能供应数据，以指示光伏管理层在预设未来时段内向储能管理层传输第二预测电能供应数据的电能。

具体的，智能调度层在接收到预测用电负荷数据后，会根据楼宇当前的用电需求和光伏发电的预测情况，确定需要由光伏管理层直接供给设备负荷层的第一预测电能供应数据。然后，智能调度层将第一预测电能供应数据发送给光伏管理层，光伏管理层根据该数据在预设未来时段内向设备负荷层传输相应量的电能。这一过程通过智能调度层的实时监控和调节，确保光伏发电系统能够稳定、可靠地向设备负荷层提供所需的电能。

智能调度层根据预测光伏发电数据和第一预测电能供应数据，计算出剩余可用于储能管理的电能。智能调度层基于剩余的预测光伏发电数据和储能管理层的实际需求（如储能设备的当前剩余电能、储能效率等），生成向储能管理层传输的第二预测电能供应数据。这个数据旨在指导光伏管理层在满足设备负荷层需求后，将多余的电能传输给储能管理层进行储存，以备后续使用。

智能调度层将第二预测电能供应数据发送给光伏管理层，光伏管理层在预设未来时段内按照该数据向储能管理层传输电能。通过这一过程，储能设备能够充分利用光伏发电的富余资源，实现电能的储存和再利用，提高楼宇能源系统的整体效率。

在上述方案中，通过根据预测用电负荷数据生成向设备负荷层传输的第一预测电能供应数据，以及根据预测光伏发电数据与第一预测电能供应数据生成向储能管理层传输的第二预测电能供应数据，确保了电能的合理分配和高效利用。在向储能管理层传输电能时，智能调度层根据光伏发电的实际情况和预测的用电负荷需求，合理确定储能设备的充电量。这有助于优化储能设备的充电策略，确保储能设备在需要时能够提供足够的电能支持，同时避免过度充电导致的能源浪费和设备损耗。并且，通过预设的电能传输调度模型和预测数据，智能调度层能够迅速制定并执行电能调度策略，这种高效的响应速度有助于系统快速适应能源供需变化，确保楼宇内各设备的稳定运行和高效工作。此外，智能调度层能够根据不同的能源供需情况，灵活调整电能分配策略，以满足设备负荷层和储能管理层的不同需求。这种灵活性有助于系统更好地应对各种复杂情况，提高整体运行效率。可见，通过优先利用光伏发电等清洁能源供电，并合理优化储能设备的充电策略，上述方案有助于减少化石能源的消耗和碳排放。

在第二种情况中，若预测光伏发电数据与预测用电负荷数据之间的第一比值大于第一比例阈值，剩余电能数据大于预设剩余电量，则电能调度策略用于指示光伏管理层向设备负荷层与电网管理层传输电能。

进一步的，智能调度层根据预测用电负荷数据生成向设备负荷层传输的第一预测电能供应数据，以指示光伏管理层在预设未来时段内向设备负荷层传输第一预测电能供应数据的电能。智能调度层根据预测光伏发电数据与第一预测电能供应数据生成向电网管理层传输的第三预测电能供应数据，以指示光伏管理层在预设未来时段内向电网管理层传输第三预测电能供应数据的电能。

具体的，智能调度层接收到预测用电负荷数据后，结合楼宇的用电优先级、光伏发电的预测情况等因素，确定在预设未来时段内需要由光伏管理层直接供给设备负荷层的第一预测电能供应数据。这个数据旨在确保设备负荷层的基本电力需求得到满足，同时尽可能减少对传统电网的依赖。

智能调度层将第一预测电能供应数据发送给光伏管理层，光伏管理层根据该数据在预设未来时段内向设备负荷层稳定传输电能。这一过程通过智能调度层的实时监控和调节，确保光伏发电系统能够高效、准确地满足设备负荷层的电力需求。

光伏管理层将预测光伏发电数据发送至智能调度层，该数据反映了未来时段内光伏发电系统的发电量预测。智能调度层根据预测光伏发电数据和第一预测电能供应数据，计算出在满足设备负荷层需求后，剩余可用于向电网管理层传输的电能。

智能调度层基于剩余的预测光伏发电数据和电网管理层的实际需求（如电网的负荷情况、电价政策等），生成向电网管理层传输的第三预测电能供应数据。这个数据旨在指导光伏管理层在满足设备负荷层需求后，将多余的电能传输给电网管理层，实现电能的优化利用和收益最大化。

在上述方案中，通过向电网管理层传输多余的电能，有助于平衡电网的整体负荷，减轻电网在高峰时段的压力，从而有助于提升电网的稳定性和可靠性，减少因电网负荷过大而可能导致的停电风险。此外，将多余的电能传输给电网管理层，不仅有助于平衡电网负荷，还可能为楼宇带来一定的经济收益。通过参与电网的电力交易或获得补贴，楼宇可以进一步降低运营成本，提升整体经济效益。并且，智能调度层能够根据实时数据和预测结果，快速调整电能传输策略，以满足设备负荷层和电网管理层的不同需求。

在第三种情况中，若预测光伏发电数据与预测用电负荷数据之间的第一比值小于第一比例阈值，预测光伏发电数据和剩余电能数据的电能之和与预测用电负荷数据之间的第二比值大于第一比例阈值，则电能调度策略用于指示光伏管理层与储能管理层向设备负荷层传输电能。

进一步的，智能调度层根据预测光伏发电数据生成向设备负荷层传输的第四预测电能供应数据，以指示光伏管理层在预设未来时段内向设备负荷层传输第四预测电能供应数据的电能。智能调度层根据预测用电负荷数据以及预测光伏发电数据生成向储能管理层传输的第五预测电能供应数据，以指示储能管理层在预设未来时段内向设备负荷层传输第五预测电能供应数据的电能。

具体的，智能调度层接收到预测光伏发电数据后，首先根据楼宇的用电需求、设备负荷层的优先级以及光伏发电的预测情况，确定在预设未来时段内由光伏管理层直接向设备负荷层传输的电能量，即第四预测电能供应数据。该数据旨在最大化利用光伏发电，优先满足设备负荷层的电力需求，减少对传统电网的依赖。

智能调度层将第四预测电能供应数据发送给光伏管理层，光伏管理层根据该数据在预设未来时段内向设备负荷层稳定传输电能。通过实时监控和调节，确保光伏发电系统能够高效、准确地满足设备负荷层的电力需求。

设备负荷层提供的预测用电负荷数据是制定全面电能调度策略的另一关键要素。该数据反映了楼宇在未来时段的电力需求情况。智能调度层在生成向储能管理层传输的电能数据时，会综合考虑预测用电负荷数据和预测光伏发电数据，以确保电能调度的合理性和有效性。

基于预测用电负荷数据和预测光伏发电数据，智能调度层计算出在预设未来时段内，由储能管理层向设备负荷层补充传输的电能量，即第五预测电能供应数据。该数据旨在弥补光伏发电在特定时段可能无法满足设备负荷层全部需求的不足，通过储能设备的放电来保障电力供应的稳定性。

智能调度层将第五预测电能供应数据发送给储能管理层，储能管理层根据该数据在预设未来时段内向设备负荷层传输相应的电能。

通过与光伏管理层的协同工作，储能管理层能够在光伏发电不足时提供必要的电力支持，确保楼宇电力供应的连续性和可靠性。

在上述方案中，通过智能调度层根据预测用电负荷数据和预测光伏发电数据生成向储能管理层传输的第五预测电能供应数据，该策略能够准确控制储能管理层的放电过程，从而优化储能设备的利用率，同时提高整体能源利用效率。在光伏发电量不足以完全满足设备负荷层需求时，通过智能调度层的协调，光伏管理层和储能管理层能够共同为设备负荷层提供电能，最大限度地利用了光伏发电这一清洁能源，减少了对电网的依赖，提高了能源利用效率。上述方案实现了对光伏发电、储能设备和设备负荷层之间的电能传输的精细化控制，有助于提升楼宇光储充系统的智能化程度，使其能够更好地适应能源供需变化，实现高效、节能的运行。

在第四种情况中，若预测光伏发电数据与预测用电负荷数据之间的第一比值小于第一比例阈值，预测光伏发电数据和剩余电能数据的电能之和与预测用电负荷数据之间的第二比值小于第一比例阈值，剩余电能数据大于预设剩余电量，则电能调度策略用于指示光伏管理层、储能管理层以及电网管理层向设备负荷层传输电能。

进一步的，智能调度层根据预测光伏发电数据生成向设备负荷层传输的第四预测电能供应数据，以指示光伏管理层在预设未来时段内向设备负荷层传输第四预测电能供应数据的电能。智能调度层根据剩余电能数据以及预设剩余电能阈值生成向设备负荷层传输的第六预测电能供应数据，以指示储能管理层在预设未来时段内向设备负荷层传输第六预测电能供应数据的电能。智能调度层根据预测用电负荷数据、预测光伏发电数据以及第六预测电能供应数据确定第七预测电能供应数据，以指示电网管理层在预设未来时段内向设备负荷层传输第七预测电能供应数据的电能。

具体的，智能调度层首先根据预测光伏发电数据，确定光伏发电系统在未来时段的发电能力，并据此生成向设备负荷层传输的第四预测电能供应数据。该数据旨在最大化利用光伏发电，直接满足设备负荷层的部分或全部电力需求，减少对传统电网的依赖。智能调度层将第四预测电能供应数据发送给光伏管理层，光伏管理层根据该数据在预设未来时段内向设备负荷层稳定传输电能。

储能管理层实时监测储能设备的剩余电能数据，并将该数据发送至智能调度层。智能调度层根据剩余电能数据以及预设的剩余电能阈值，评估储能设备在未来时段内能够提供的电能量，并生成向设备负荷层传输的第六预测电能供应数据。该数据旨在利用储能设备的储能能力，在光伏发电不足或设备负荷高峰时段提供必要的电力支持。智能调度层将第六预测电能供应数据发送给储能管理层，储能管理层根据该数据在预设未来时段内向设备负荷层传输相应的电能。

在考虑了光伏管理层和储能管理层的电能供应后，智能调度层进一步根据预测用电负荷数据、预测光伏发电数据以及第六预测电能供应数据，综合评估设备负荷层在未来时段内的电力需求缺口。基于这一评估，智能调度层生成第七预测电能供应数据，以指示电网管理层在预设未来时段内向设备负荷层传输相应的电能。该数据旨在确保在光伏发电和储能设备无法满足全部电力需求时，通过电网管理层提供稳定的电力补充，保障楼宇电力供应的连续性和可靠性。智能调度层将第七预测电能供应数据发送给电网管理层，电网管理层根据该数据在预设未来时段内向设备负荷层传输电能。

在上述方案中，智能调度层根据预测光伏发电数据、剩余电能数据以及预测用电负荷数据，确定并分配各能源源头的电能供应比例，使得能源利用更加高效，避免了能源的浪费和过度依赖某一能源源头的风险。通过充分利用光伏发电、合理调度储能设备和优化电网供电，该策略有助于降低楼宇的电费支出，提高能源利用效率，从而提升整体经济效益。

在第五种情况中，若预测光伏发电数据与预测用电负荷数据之间的第一比值小于第一比例阈值，预测光伏发电数据和剩余电能数据的电能之和与预测用电负荷数据之间的第二比值小于第一比例阈值，剩余电能数据小于预设剩余电量，则电能调度策略用于指示光伏管理层以及电网管理层向设备负荷层与储能管理层传输电能。

进一步的，智能调度层根据预测光伏发电数据生成向设备负荷层传输的第四预测电能供应数据，以指示光伏管理层在预设未来时段内向设备负荷层传输第四预测电能供应数据的电能。智能调度层根据预测用电负荷数据以及预测光伏发电数据确定第八预测电能供应数据，以指示电网管理层在预设未来时段内向设备负荷层传输第八预测电能供应数据的电能。

具体的，智能调度层首先根据预测光伏发电数据，评估光伏发电系统在未来时段的发电潜力，并生成向设备负荷层传输的第四预测电能供应数据。该数据旨在确保光伏发电系统能够优先满足设备负荷层的基本电力需求，减少对传统电网的即时依赖。智能调度层将第四预测电能供应数据发送给光伏管理层，光伏管理层据此在预设未来时段内向设备负荷层稳定传输电能。

在光伏管理层向设备负荷层传输电能的同时，智能调度层还需考虑整体电力供需平衡。智能调度层根据预测用电负荷数据以及已分配的第四预测电能供应数据（即光伏管理层向设备负荷层传输的电能），计算设备负荷层在未来时段内仍需的电能量。

接着，智能调度层结合预测光伏发电数据，确定电网管理层需要向设备负荷层传输的第八预测电能供应数据，以确保设备负荷层的电力需求得到充分满足。同时，若储能管理层的剩余电能数据低于预设阈值，智能调度层还会考虑将部分电网电能分配给储能管理层进行充电，以增强系统的储能能力，为未来的电力需求高峰做准备。智能调度层将第八预测电能供应数据发送给电网管理层，电网管理层根据该数据在预设未来时段内向相应目标传输电能。

在本实施例中，通过光伏管理层获取预设未来时段内的天气数据，并根据天气数据确定预设未来时段的预测光伏发电数据，通过设备负荷层根据历史负荷监控数据确定预设未来时段的预测用电负荷数据，以及通过储能管理层获取储能设备当前的剩余电能数据，然后，智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略，从而指示在预设未来时段内光伏管理层、设备负荷层、电网管理层以及储能管理层之间的电能传输方向，进而有效地将光伏发电与楼宇用电负荷进行匹配，实现电能的实时优化调度，以应对各种情况，不仅降低了楼宇的能源成本，还提高了能源利用效率。

图2是本申请根据另一示例实施例示出的低碳楼宇光储充系统分层调度方法的流程示意图。如图2所示，本实施例提供的低碳楼宇光储充系统分层调度方法，包括：

S201、光伏管理层获取预设未来时段内的天气数据。

在预设的未来时段（如次日、未来一周等）开始前，光伏管理层首先通过气象接口或本地气象站获取该时段内的天气数据，包括但不限于太阳光照强度、温度、云量、光照角度等。

S202、根据天气数据中的环境温度数据确定温度影响因子曲线，并根据天气数据中的光照角度数据确定光照角度影响因子曲线。

可选的，可以是利用公式1，并根据所述天气数据中的环境温度数据确定所述温度影响因子曲线，所述公式1为：

其中，为所述环境温度数据在时间节点下的环境温度，为预设参考环境温度，为预设温度衰减系数。

可选的，可以是利用公式2，并根据所述天气数据中的所述光照角度数据确定所述光照角度影响因子曲线，所述公式2为：

其中，为所述光照角度数据在时间节点下的光照角度，为标定最优光照角度，为预设角度调整系数。

具体的，通过综合考虑天气数据中的环境温度、光照强度和光照角度等多个因素，能够更全面地反映实际光伏发电过程中的复杂性和动态性。这种多维度的考虑使得预测结果更加接近实际情况，从而显著提高了光伏发电预测的准确性。

对于上述公式中的各个参数（如预设参考环境温度、预设温度衰减系数、标定最优光照角度和预设角度调整系数）可以根据不同的环境条件进行灵活调整，从而增强了系统对不同环境的适应能力。这使得预测模型在不同地域、不同季节和不同天气条件下都能保持较高的预测精度。

值得说明的，在上述公式1中，通过引入预设温度衰减系数和预设参考环境温度，将环境温度对光伏发电效率的影响进行了精确量化。这种量化方式使得系统能够更准确地评估不同环境温度下光伏发电性能的变化，为预测光伏发电量提供了更为科学的依据。通过调整预设温度衰减系数的值，系统可以根据具体的应用场景和环境条件对模型进行微调，以适应不同地区、不同季节的温度变化特性。这种灵活性使得预测模型在不同条件下都能保持较高的预测精度。

并且，利用指数函数的形式，能够较好地模拟环境温度对光伏发电效率的非线性影响。相比简单的线性模型，该公式更能反映实际物理过程，从而减少了因模型简化而引入的预测误差。准确的环境温度影响因子预测有助于系统更加合理地安排光伏发电和储能计划。在高温或低温条件下，系统可以提前采取措施减少因温度影响导致的发电效率下降，从而避免不必要的能源浪费，提升系统的整体经济性。从而通过提高光伏发电量的预测准确性，系统能够更有效地利用可再生能源，减少对化石燃料的依赖，从而降低碳排放量，促进楼宇的低碳环保运行。

值得说明的，在上述公式2中，通过综合考虑光照角度和标定最优光照角度，并引入预设角度调整系数，对光照角度对光伏发电效率的影响进行了精细量化。这种量化方式能够更准确地反映不同光照角度下光伏发电性能的变化，从而提高预测光伏发电量的精度。预设角度调整系数的引入，使得模型能够根据不同地域、季节和时间的光照特性进行调整，增强了模型对不同光照条件的适应能力。这种适应性确保了预测模型在不同环境下的准确性和可靠性。准确的光照角度影响因子预测有助于系统更加精确地规划光伏发电计划。在光照角度不利于发电时，系统可以提前采取措施（如调整光伏板角度或增加储能设备的使用），以确保能源的最大化利用，减少因光照角度不佳而导致的发电损失。结合智能调度层的实时数据处理能力，公式3预测的光照角度影响因子可以支持更加动态的电能调度策略。当光照角度发生变化时，系统能够迅速响应并调整电能分配计划，以适应新的光照条件，确保楼宇内各设备的稳定运行和高效工作。

S203、根据天气数据中的光照强度数据、温度影响因子曲线以及光照角度影响因子曲线确定预测光伏发电数据。

具体的，可以是利用公式3，并根据天气数据中的光照强度数据、环境温度数据以及光照角度数据确定预测光伏发电数据，其中，预测光伏发电数据包括预测光伏发电量，公式3为：

其中，为预测光伏发电数据中的预测光伏发电量，为预设未来时段内的天气数据中的光照强度曲线，为预设光电转换效率，为预设未来时段内的天气数据中的温度影响因子曲线，为预设未来时段内的天气数据中的光照角度影响因子曲线，为当前时间节点，为预设未来时段的结束时间节点。

通过上述公式3，通过综合考虑多个关键环境因素（光照强度、环境温度、光照角度），并结合光伏系统的光电转换效率和光伏板面积，对预设未来时段内的光伏发电量进行精确预测。这种综合考虑多种环境参数的预测方法，比单一因素预测更加准确，有助于楼宇光储充系统更合理地规划电能使用和存储。并且，精确的预测光伏发电数据为智能调度层提供了重要的决策依据。通过实时更新环境数据并重新计算预测光伏发电量，智能调度层可以动态调整电能调度策略，以应对光照条件、环境温度和角度的实时变化，确保楼宇内电能的供需平衡。

此外，上述公式1不仅可以用于预测，还可以指导光伏系统的设计和优化。例如，通过比较不同光照角度、光伏板布局和面积下的预测光伏发电量，可以选择最优的光伏系统配置，以达到最佳的发电效果。

S204、设备负荷层获取历史负荷监控数据中各个时间节点所对应的负荷用电量，以生成历史负荷用电量序列。

具体的，设备负荷层获取历史负荷监控数据，其中，为设备负荷层在历史第个时间节点下所获取的负荷用电量，为预设保存历史负荷用电量个数。

设备负荷层利用公式4，并根据历史负荷监控数据确定预设未来时段的预测用电负荷数据中的预测用电负荷用电量，公式4为：

其中，为预测特征权重值，为在上一个预测周期的预测用电负荷用电量，为预设速度变化调节因子。

值得说明的，上述公式4，通过计算预测特征权重值，动态地调整了历史数据和上一次预测值在预测未来负荷量中的权重。这种动态权重调整机制使得预测模型能够适应不同时间段内负荷变化的不确定性，提高了预测的灵活性和准确性。

通过引入预设速度变化调节因子，公式4能够捕捉到负荷变化的速度和趋势，使得预测结果更加贴近实际负荷变化情况，有助于楼宇光储充系统更准确地预估未来电能需求，从而制定合理的电能调度策略。

当历史负荷数据与前一时间点数据之间的差值较大时，表示负荷发生了显著变化。此时，预测特征权重值将趋向于1，即新的数据点在预测中的权重增加，使得模型能够迅速响应负荷的突然变化，及时调整预测结果，确保预测的准确性。

历史负荷数据与前一时间点数据之间的差值较小时，预测特征权重值 将趋向于0，意味着预测结果更多依赖于过去的数据和，这有助于在负荷变化不大的情况下保持预测的稳定性和准确性，避免多次预测累加所导致的系统误差变大。

通过自适应地调整新数据点和旧数据点在预测中的权重，公式4能够在负荷变化复杂且不确定的环境中保持较高的预测精度。这种动态调整机制使得预测模型更加灵活，能够更好地适应实际负荷变化的多样性。

S205、根据历史负荷用电量序列确定预测特征权重值，以根据历史负荷用电量序列、预测特征权重值以及上一个预测周期的预测用电负荷用电量确定预设未来时段所对应的预测用电负荷用电量。

具体的，根据历史负荷用电量序列确定预测特征权重值，以根据历史负荷用电量序列、预测特征权重值以及上一个预测周期的预测用电负荷用电量确定预设未来时段所对应的预测用电负荷用电量，预设未来时段的预测用电负荷数据包括预测用电负荷用电量。

S206、储能管理层获取储能设备当前的剩余电能数据。

在本步骤中，储能管理层获取储能设备当前的剩余电能数据，并将剩余电能数据发送至智能调度层。

具体的，储能管理层定期检测储能设备的状态，包括电池的剩余电量、健康状态等信息。在接收到智能调度层的查询请求后，储能管理层将当前的剩余电能数据上传给智能调度层，以便在制定调度策略时考虑储能设备的储能能力。

S207、智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略。

在本步骤中，智能调度层利用预设电能传输调度模型，并根据预测光伏发电数据、预测用电负荷数据以及剩余电能数据确定在预设未来时段内的电能调度策略，电能调度策略用于指示光伏管理层、设备负荷层、电网管理层以及储能管理层之间的电能传输方向。智能调度层根据制定的电能调度策略，向光伏管理层、储能管理层、电网管理层以及设备负荷层发送具体的调度指令。各管理层接收到指令后，按照要求执行相应的电能传输操作，以实现楼宇内部的电能平衡和优化调度。

图3是本申请根据一示例实施例示出的楼宇光储充管理系统的结构示意图。如图3所示，本实施例提供的楼宇光储充管理系统300，包括：

包括智能调度层310、光伏管理层320、储能管理层330、电网管理层340以及设备负荷层350，所述智能调度层310分别与所述光伏管理层320、所述储能管理层330以及所述设备负荷层350连接；

所述光伏管理层320获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，并将所述预测光伏发电数据发送至所述智能调度层310；

所述设备负荷层350根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，并将所述预测用电负荷数据发送至所述智能调度层310；

所述储能管理层330获取储能设备当前的剩余电能数据，并将所述剩余电能数据发送至所述智能调度层310；

所述智能调度层310利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，所述电能调度策略用于指示所述光伏管理层320、所述设备负荷层350、所述电网管理层340以及所述储能管理层330之间的电能传输方向。

可选的，所述光伏管理层320，具体用于：

根据所述天气数据中的环境温度数据确定温度影响因子曲线；

根据所述天气数据中的光照角度数据确定光照角度影响因子曲线；

根据所述天气数据中的光照强度数据、所述温度影响因子曲线以及所述光照角度影响因子曲线确定所述预测光伏发电数据。

可选的，所述设备负荷层350，具体用于：

获取所述历史负荷监控数据中各个时间节点所对应的负荷用电量，以生成历史负荷用电量序列；

根据所述历史负荷用电量序列确定预测特征权重值，以根据所述历史负荷用电量序列、所述预测特征权重值以及上一个预测周期的预测用电负荷用电量确定所述预设未来时段所对应的预测用电负荷用电量，所述预设未来时段的预测用电负荷数据包括所述预测用电负荷用电量。

可选的，所述智能调度层310利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，包括：

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据小于预设剩余电量，则所述电能调度策略用于指示所述光伏管理层320向所述设备负荷层350与所述储能管理层330传输电能，其中，所述第一比例阈值为大于1的数值；

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层320向所述设备负荷层350与所述电网管理层340传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值大于所述第一比例阈值，则所述电能调度策略用于指示所述光伏管理层320与所述储能管理层330向所述设备负荷层350传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层320、所述储能管理层330以及所述电网管理层340向所述设备负荷层350传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据小于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层320以及所述电网管理层340向所述设备负荷层350与所述储能管理层330传输电能。

可选的，所述智能调度层310根据所述预测用电负荷数据生成向所述设备负荷层350传输的第一预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述设备负荷层350传输所述第一预测电能供应数据的电能；

所述智能调度层310根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述储能管理层330传输的第二预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述储能管理层330传输所述第二预测电能供应数据的电能。

可选的，所述智能调度层310根据所述预测用电负荷数据生成向所述设备负荷层350传输的第一预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述设备负荷层350传输所述第一预测电能供应数据的电能；

所述智能调度层310根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述电网管理层340传输的第三预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述电网管理层340传输所述第三预测电能供应数据的电能。

可选的，所述智能调度层310根据所述预测光伏发电数据生成向所述设备负荷层350传输的第四预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述设备负荷层350传输所述第四预测电能供应数据的电能；

所述智能调度层310根据所述预测用电负荷数据以及所述预测光伏发电数据生成向所述储能管理层330传输的第五预测电能供应数据，以指示所述储能管理层330在所述预设未来时段内向所述设备负荷层350传输所述第五预测电能供应数据的电能。

可选的，所述智能调度层310根据所述预测光伏发电数据生成向所述设备负荷层350传输的第四预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述设备负荷层350传输所述第四预测电能供应数据的电能；

所述智能调度层310根据所述剩余电能数据以及预设剩余电能阈值生成向所述设备负荷层350传输的第六预测电能供应数据，以指示所述储能管理层330在所述预设未来时段内向所述设备负荷层350传输所述第六预测电能供应数据的电能；

所述智能调度层310根据所述预测用电负荷数据、所述预测光伏发电数据以及所述第六预测电能供应数据确定第七预测电能供应数据，以指示所述电网管理层340在所述预设未来时段内向所述设备负荷层350传输所述第七预测电能供应数据的电能。

可选的，所述智能调度层310根据所述预测光伏发电数据生成向所述设备负荷层350传输的第四预测电能供应数据，以指示所述光伏管理层320在所述预设未来时段内向所述设备负荷层350传输所述第四预测电能供应数据的电能；

所述智能调度层310根据所述预测用电负荷数据以及所述预测光伏发电数据确定第八预测电能供应数据，以指示所述电网管理层340在所述预设未来时段内向所述设备负荷层350传输所述第八预测电能供应数据的电能。

图4是本申请根据一示例实施例示出的电子设备的结构示意图。如图4所示，本实施例提供的一种电子设备400包括：处理器401以及存储器402；其中：

存储器402，用于存储计算机程序，该存储器还可以是flash（闪存）。

处理器401，用于执行存储器存储的执行指令，以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。

可选地，存储器402既可以是独立的，也可以跟处理器401集成在一起。

当所述存储器402是独立于处理器401之外的器件时，所述电子设备400还可以包括：

总线403，用于连接所述存储器402和处理器401。

本实施例还提供一种可读存储介质，可读存储介质中存储有计算机程序，当电子设备的至少一个处理器执行该计算机程序时，电子设备执行上述的各种实施方式提供的方法。

本实施例还提供一种程序产品，该程序产品包括计算机程序，该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请未公开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，本申请的真正范围和精神由权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，应用于楼宇光储充管理系统，所述楼宇光储充管理系统包括智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层，所述智能调度层分别与所述光伏管理层、所述储能管理层、电网管理层以及所述设备负荷层连接；所述方法，包括：

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，并将所述预测光伏发电数据发送至所述智能调度层；

所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，并将所述预测用电负荷数据发送至所述智能调度层；

所述储能管理层获取储能设备当前的剩余电能数据，并将所述剩余电能数据发送至所述智能调度层；

所述智能调度层利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，所述电能调度策略用于指示所述光伏管理层、所述设备负荷层、所述电网管理层以及所述储能管理层之间的电能传输方向；

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，包括：

根据所述天气数据中的环境温度数据确定温度影响因子曲线；

根据所述天气数据中的光照角度数据确定光照角度影响因子曲线；

利用公式3，并根据所述天气数据中的光照强度数据、所述温度影响因子曲线以及所述光照角度影响因子曲线确定所述预测光伏发电数据，其中，所述预测光伏发电数据包括预测光伏发电量，所述公式3为：

其中，为所述预测光伏发电数据中的预测光伏发电量，为所述预设未来时段内的所述天气数据中的光照强度曲线，为预设光电转换效率，为所述预设未来时段内的所述天气数据中的温度影响因子曲线，为所述预设未来时段内的所述天气数据中的光照角度影响因子曲线，为当前时间节点，为所述预设未来时段的结束时间节点；

所述根据所述天气数据中的环境温度数据确定温度影响因子曲线，包括：

利用公式1，并根据所述天气数据中的环境温度数据确定所述温度影响因子曲线，所述公式1为：

其中，为所述环境温度数据在时间节点下的环境温度，为预设参考环境温度，为预设温度衰减系数；

所述根据所述天气数据中的光照角度数据确定光照角度影响因子曲线，包括：

利用公式2，并根据所述天气数据中的所述光照角度数据确定所述光照角度影响因子曲线，所述公式2为：

其中，为所述光照角度数据在时间节点下的光照角度，为标定最优光照角度，为预设角度调整系数。

2.根据权利要求1所述的基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，包括：

所述设备负荷层获取所述历史负荷监控数据中各个时间节点所对应的负荷用电量，以生成历史负荷用电量序列；

根据所述历史负荷用电量序列确定预测特征权重值，以根据所述历史负荷用电量序列、所述预测特征权重值以及上一个预测周期的预测用电负荷用电量确定所述预设未来时段所对应的预测用电负荷用电量，所述预设未来时段的预测用电负荷数据包括所述预测用电负荷用电量。

3.根据权利要求1或2所述的基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，所述智能调度层利用预设电能传输调度模型，并根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，包括：

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据小于预设剩余电量，则所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述储能管理层传输电能，其中，所述第一比例阈值为大于1的数值；

若所述预测光伏发电数据与所述预测用电负荷数据之间的第一比值大于第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述电网管理层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值大于所述第一比例阈值，则所述电能调度策略用于指示所述光伏管理层与所述储能管理层向所述设备负荷层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据大于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层、所述储能管理层以及所述电网管理层向所述设备负荷层传输电能；

若所述预测光伏发电数据与所述预测用电负荷数据之间的所述第一比值小于所述第一比例阈值，所述预测光伏发电数据和所述剩余电能数据的电能之和与所述预测用电负荷数据之间的第二比值小于所述第一比例阈值，所述剩余电能数据小于所述预设剩余电量，则所述电能调度策略用于指示所述光伏管理层以及所述电网管理层向所述设备负荷层与所述储能管理层传输电能。

4.根据权利要求3所述的基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述储能管理层传输电能，包括:

所述智能调度层根据所述预测用电负荷数据生成向所述设备负荷层传输的第一预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第一预测电能供应数据的电能；

所述智能调度层根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述储能管理层传输的第二预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述储能管理层传输所述第二预测电能供应数据的电能；

对应的，所述电能调度策略用于指示所述光伏管理层向所述设备负荷层与所述电网管理层传输电能，包括：

所述智能调度层根据所述预测用电负荷数据生成向所述设备负荷层传输的第一预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第一预测电能供应数据的电能；

所述智能调度层根据所述预测光伏发电数据与所述第一预测电能供应数据生成向所述电网管理层传输的第三预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述电网管理层传输所述第三预测电能供应数据的电能。

5.根据权利要求4所述的基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，所述电能调度策略用于指示所述光伏管理层与所述储能管理层向所述设备负荷层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据以及所述预测光伏发电数据生成向所述储能管理层传输的第五预测电能供应数据，以指示所述储能管理层在所述预设未来时段内向所述设备负荷层传输所述第五预测电能供应数据的电能。

6.根据权利要求5所述的基于人工智能的低碳楼宇光储充系统分层调度方法，其特征在于，所述电能调度策略用于指示所述光伏管理层、所述储能管理层以及所述电网管理层向所述设备负荷层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述剩余电能数据以及预设剩余电能阈值生成向所述设备负荷层传输的第六预测电能供应数据，以指示所述储能管理层在所述预设未来时段内向所述设备负荷层传输所述第六预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据、所述预测光伏发电数据以及所述第六预测电能供应数据确定第七预测电能供应数据，以指示所述电网管理层在所述预设未来时段内向所述设备负荷层传输所述第七预测电能供应数据的电能；

对应的，所述电能调度策略用于指示所述光伏管理层以及所述电网管理层向所述设备负荷层与所述储能管理层传输电能，包括：

所述智能调度层根据所述预测光伏发电数据生成向所述设备负荷层传输的第四预测电能供应数据，以指示所述光伏管理层在所述预设未来时段内向所述设备负荷层传输所述第四预测电能供应数据的电能；

所述智能调度层根据所述预测用电负荷数据以及所述预测光伏发电数据确定第八预测电能供应数据，以指示所述电网管理层在所述预设未来时段内向所述设备负荷层传输所述第八预测电能供应数据的电能。

7.一种楼宇光储充管理系统，其特征在于，包括：智能调度层、光伏管理层、储能管理层、电网管理层以及设备负荷层，所述智能调度层分别与所述光伏管理层、所述储能管理层以及所述设备负荷层连接；

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，并将所述预测光伏发电数据发送至所述智能调度层；

所述设备负荷层根据历史负荷监控数据确定所述预设未来时段的预测用电负荷数据，并将所述预测用电负荷数据发送至所述智能调度层；

所述储能管理层获取储能设备当前的剩余电能数据，并将所述剩余电能数据发送至所述智能调度层；

所述智能调度层根据所述预测光伏发电数据、所述预测用电负荷数据以及所述剩余电能数据确定在所述预设未来时段内的电能调度策略，所述电能调度策略用于指示所述光伏管理层、所述设备负荷层、所述电网管理层以及所述储能管理层之间的电能传输方向；

所述光伏管理层获取预设未来时段内的天气数据，并根据所述天气数据确定所述预设未来时段的预测光伏发电数据，包括：

根据所述天气数据中的环境温度数据确定温度影响因子曲线；

根据所述天气数据中的光照角度数据确定光照角度影响因子曲线；

利用公式3，并根据所述天气数据中的光照强度数据、所述温度影响因子曲线以及所述光照角度影响因子曲线确定所述预测光伏发电数据，其中，所述预测光伏发电数据包括预测光伏发电量，所述公式3为：

其中，为所述预测光伏发电数据中的预测光伏发电量，为所述预设未来时段内的所述天气数据中的光照强度曲线，为预设光电转换效率，为所述预设未来时段内的所述天气数据中的温度影响因子曲线，为所述预设未来时段内的所述天气数据中的光照角度影响因子曲线，为当前时间节点，为所述预设未来时段的结束时间节点；

所述根据所述天气数据中的环境温度数据确定温度影响因子曲线，包括：

利用公式1，并根据所述天气数据中的环境温度数据确定所述温度影响因子曲线，所述公式1为：

其中，为所述环境温度数据在时间节点下的环境温度，为预设参考环境温度，为预设温度衰减系数；

所述根据所述天气数据中的光照角度数据确定光照角度影响因子曲线，包括：

利用公式2，并根据所述天气数据中的所述光照角度数据确定所述光照角度影响因子曲线，所述公式2为：

其中，为所述光照角度数据在时间节点下的光照角度，为标定最优光照角度，为预设角度调整系数。

8.一种电子设备，其特征在于，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6任一项所述的方法。

9.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的方法。