本发明涉及太阳能并网控制领域，特别是一种太阳能并网控制系统及方法。
背景技术：
1、太阳能因其清洁无污染、资源无限可再生的特性，已成为各国竞相研究和开发的重点。然而，太阳能发电技术在实际应用中却面临着诸多挑战。其中，输出功率受天气、季节等自然因素影响较大，波动明显。在晴朗的白天，太阳能资源丰富，发电效率高；但遇到阴雨、雾霾等天气，或者进入夜晚、冬季等季节，发电能力则大幅下降。这种输出功率的不稳定性给电网的稳定运行带来了巨大挑战。传统策略在应对太阳能发电系统的多变性时，也显得捉襟见肘。由于太阳能资源的分布不均、时间变化大，以及发电系统自身的复杂性，太阳能发电系统的运行状态始终处于不断变化之中。传统策略往往无法全面、准确地掌握这些变化信息，导致在控制过程中存在较大的误差和不确定性。因此如何对太阳能并网进行控制，从而更好的控制发电的输出功率是现阶段丞待解决的技术问题。
技术实现思路
1、本发明的目的是为了解决上述问题，设计了一种太阳能并网控制系统及方法。
2、实现上述目的本发明的技术方案为，进一步，在上述一种太阳能并网控制系统中，所述太阳能并网控制系统包括以下模块：
3、发电数据获取模块，用于获取太阳能并网系统中的多源发电数据，对所述多源发电数据进行数据预处理，得到初始多源发电数据集；
4、时序特征调整模块，用于基于wgan-gp变体生成对抗网络对所述初始多源发电数据集中的并网逆变器中输出功率的时序特征进行调整，得到训练多源发电数据集；
5、预测模型建立模块，用于建立预训练的transformer太阳能发电功率预测模型，在所述transformer太阳能发电功率预测模型中添加lcc局部因果卷积，得到lcc-transformer太阳能发电功率预测模型；
6、预测功率计算模块，用于将所述训练多源发电数据集输入至所述lcc-transformer太阳能发电功率预测模型中进行训练，得到预测发电功率数据；
7、直流电数据计算模块，用于将所述预测发电功率数据传输至并网逆变器中，基于所述预测发电功率数据生成太阳能光伏板的输出直流电数据；
8、光伏板角度调整模块，用于根据所述输出直流电数据生成光伏板的角度调整指令，基于所述角度调整指令对太阳能光伏板进行实时调整。
9、进一步，在上述太阳能并网控制系统中，所述发电数据获取模块包括以下子模块：
10、数据获取子模块，用于获取太阳能并网系统中的多源发电数据，所述多源发电数据至少包括光伏太阳能场地中的实时天气数据，光伏板的发电数据，光伏环境温度数据，光伏电站的输出电量数据，储能设备的储能数据；
11、数据降噪子模块，用于将所述多源发电数据进行降噪处理后，进行异常值删除和缺失值填充，得到完整多源发电数据；
12、标准化处理子模块，用于将所述完整多源发电数据进行数据标准化，得到初始多源发电数据集。
13、进一步，在上述太阳能并网控制系统中，所述时序特征调整模块包括以下子模块：
14、网络建立子模块，用于建立wgan-gp变体生成对抗网络，所述wgan-gp变体生成对抗网络由生成器和判别器组成；
15、数据输入子模块，用于将初始多源发电数据集输入至wgan-gp变体生成对抗网络中，获取所述初始多源发电数据集中输出功率的时序特征；
16、噪声计算子模块，用于利用多层神经网络计算所述时序特征得到初步噪声分布c，将所述初步噪声分布c作为虚拟数据输入，通过所述生成器处理得到噪声分布h；
17、数据判断子模块，用于将所述时序特征设为真实数据z，将所述真实数据z和噪声分布h共同输入判别器中进行判断；
18、判断结果子模块，用于当输出结果为初步噪声分布c和真实数据z时，判别为真；当输出结果为初步噪声分布c和噪声分布h时，判别为假；
19、数据调整子模块，用于基于所述生成器和判别器进行对抗，当所述判别器不能精准分辨数据时，通过生成器对所述时序特征进行调整，得到训练多源发电数据集。
20、进一步，在上述太阳能并网控制系统中，所述预测模型建立模块包括以下单元：
21、模型建立单元，用于建立transformer太阳能发电功率预测模型，利用数据库中的历史发电功率数据对模型进行训练；
22、模型调整单元，用于利用卷积核卷积后的多头注意力层计算查询矩阵和关键值矩阵，对调节卷积核的大小的卷积操作进行计算；
23、卷积层添加单元，用于在所述transformer太阳能发电功率预测模型中添加lcc局部因果卷积；
24、嵌入层引入单元，用于在所述transformer太阳能发电功率预测模型中引入可学习嵌入层，通过嵌入可学习位置编码获取模型的参数隐藏关联性；得到lcc-transformer太阳能发电功率预测模型。
25、进一步，在上述太阳能并网控制系统中，所述预测功率计算模块包括以下子模块：
26、指标子模块，用于将多分类交叉熵损失，预测准确率作为所述lcc-transformer太阳能发电功率预测模型的评价指标；
27、多分类交叉熵损失的计算公式如下：
28、
29、预测准确率的计算公式如下：
30、
31、其中，是损失值；是样本数；是预测向量维度；是独热编码后的实际真实值，对应维度上的标签；是对应标签的softmax激活输出值，和为1；为预测准确概率；为预测正确个数；
32、输入子模块，用于将所述训练多源发电数据集输入至所述lcc-transformer太阳能发电功率预测模型中进行训练；
33、得到子模块，用于设置所述lcc-transformer太阳能发电功率预测模型迭代次数=100，得到预测发电功率数据。
34、进一步，在上述太阳能并网控制系统中，所述直流电数据计算模块包括以下子模块：
35、格式转换子模块，用于将所述预测发电功率数据转换为并网逆变器识别和处理的格式数据，并传输至并网逆变器中；
36、数据输出子模块，用于利用所述并网逆变器的微处理器执行内部算法，计算出计算出最优化的太阳能光伏板输出直流电目标值，得到输出直流电数据。
37、进一步，在上述太阳能并网控制系统中，所述光伏板角度调整模块包括以下单元：
38、指令计算单元，用于根据所述输出直流电数据、季度太阳能强度和天气数据计算不同月份以及不同倾斜角下平均太阳辐射量，得到角度调整指令；
39、光伏板调整单元，用于控制系统驱动光伏板的机械结构，根据角度调整指令逐步调整光伏板的角度；
40、发电数据获取单元，用于基于调整后的太阳能光伏板进行电能收集，获取光伏阵列中的实时直流电，将所述实时直流电输入至直流配电柜中进行传输，得到发电数据；
41、发电数据传输单元，用于将所述发电数据传输至并网逆变器中进行转换，得到传输交流电，并将所述传输交流电输入至交流配电柜中；
42、发电功率对比单元，用于基于所述交流配电柜对传输交流电计算实际发电功率数据，将所述实际发电功率数据和预测发电功率数据进行对比，并根据对比结果对太阳能光伏板进行目标调整。
43、进一步，在上述太阳能并网控制方法中，所述太阳能并网控制方法包括以下步骤：
44、获取太阳能并网系统中的多源发电数据，对所述多源发电数据进行数据预处理，得到初始多源发电数据集；
45、基于wgan-gp变体生成对抗网络对所述初始多源发电数据集中的并网逆变器中输出功率的时序特征进行调整，得到训练多源发电数据集；
46、建立预训练的transformer太阳能发电功率预测模型，在所述transformer太阳能发电功率预测模型中添加lcc局部因果卷积，得到lcc-transformer太阳能发电功率预测模型；
47、将所述训练多源发电数据集输入至所述lcc-transformer太阳能发电功率预测模型中进行训练，得到预测发电功率数据；
48、将所述预测发电功率数据传输至并网逆变器中，基于所述预测发电功率数据生成太阳能光伏板的输出直流电数据；
49、根据所述输出直流电数据生成光伏板的角度调整指令，基于所述角度调整指令对太阳能光伏板进行实时调整。
50、进一步，在上述太阳能并网控制方法中，所述太阳能并网控制方法包括以下步骤：
51、建立wgan-gp变体生成对抗网络，所述wgan-gp变体生成对抗网络由生成器和判别器组成；
52、将初始多源发电数据集输入至wgan-gp变体生成对抗网络中，获取所述初始多源发电数据集中输出功率的时序特征；
53、利用多层神经网络计算所述时序特征得到初步噪声分布c，将所述初步噪声分布c作为虚拟数据输入，通过所述生成器处理得到噪声分布h；
54、将所述时序特征设为真实数据z，将所述真实数据z和噪声分布h共同输入判别器中进行判断；
55、当输出结果为初步噪声分布c和真实数据z时，判别为真；当输出结果为初步噪声分布c和噪声分布h时，判别为假；
56、基于所述生成器和判别器进行对抗，当所述判别器不能精准分辨数据时，通过生成器对所述时序特征进行调整，得到训练多源发电数据集。
57、进一步，在上述太阳能并网控制方法中，其特征在于，所述太阳能并网控制方法包括以下步骤：
58、根据所述输出直流电数据、季度太阳能强度和天气数据计算不同月份以及不同倾斜角下平均太阳辐射量，得到角度调整指令；
59、控制系统驱动光伏板的机械结构，根据角度调整指令逐步调整光伏板的角度；
60、基于调整后的太阳能光伏板进行电能收集，获取光伏阵列中的实时直流电，将所述实时直流电输入至直流配电柜中进行传输，得到发电数据；
61、将所述发电数据传输至并网逆变器中进行转换，得到传输交流电，并将所述传输交流电输入至交流配电柜中；
62、基于所述交流配电柜对传输交流电计算实际发电功率数据，将所述实际发电功率数据和预测发电功率数据进行对比，并根据对比结果对太阳能光伏板进行目标调整。
63、其有益效果在于，通过获取太阳能并网系统中的多源发电数据，对所述多源发电数据进行数据预处理，得到初始多源发电数据集；基于wgan-gp变体生成对抗网络对所述初始多源发电数据集中的并网逆变器中输出功率的时序特征进行调整，得到训练多源发电数据集；建立预训练的transformer太阳能发电功率预测模型，在所述transformer太阳能发电功率预测模型中添加lcc局部因果卷积，得到lcc-transformer太阳能发电功率预测模型；将所述训练多源发电数据集输入至所述lcc-transformer太阳能发电功率预测模型中进行训练，得到预测发电功率数据；将所述预测发电功率数据传输至并网逆变器中，基于所述预测发电功率数据生成太阳能光伏板的输出直流电数据；根据所述输出直流电数据生成光伏板的角度调整指令，基于所述角度调整指令对太阳能光伏板进行实时调整。实现了对太阳能发电系统输出功率的精确预测和实时监控。这种方法能够提前预测天气变化对太阳能发电系统的影响，并据此调整并网控制策略，从而有效减少因天气因素导致的输出功率波动。这不仅提高了太阳能发电系统的稳定性和可靠性，也显著降低了电网因功率波动而可能面临的风险。通过精确调节太阳能发电系统的输出功率，可以确保电网电压、频率等参数在合理范围内波动，从而保障电网的稳定运行。
1.一种太阳能并网控制系统，其特征在于，所述太阳能并网控制系统包括以下模块：
2.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述发电数据获取模块包括以下子模块：
3.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述时序特征调整模块包括以下子模块：
4.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述预测模型建立模块包括以下单元：
5.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述预测功率计算模块包括以下子模块：
6.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述直流电数据计算模块包括以下子模块：
7.如权利要求1所述的一种太阳能并网控制系统，其特征在于，所述光伏板角度调整模块包括以下单元：
8.一种太阳能并网控制方法，其特征在于，所述太阳能并网控制方法包括以下步骤：
9.如权利要求8所述的一种太阳能并网控制方法，其特征在于，所述太阳能并网控制方法包括以下步骤：
10.如权利要求8所述的一种太阳能并网控制方法，其特征在于，所述太阳能并网控制方法包括以下步骤：
