(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210930512.2 (22)申请日 2022.08.04 (71)申请人 朱潮龙 地址 150000 黑龙江省哈尔滨市香坊区华 山路10号 万达商务楼5 02室 (72)发明人 朱潮龙　 (74)专利代理 机构 安徽盟友知识产权代理事务 所(特殊普通 合伙) 34213 专利代理师 周荣 (51)Int.Cl. H02J 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 基于云计算电子信息机房的能源管控系统 及方法 (57)摘要 本发明涉及一种基于云计算电子信息机房 的能源管控系统及方法， 本申请中电子信息机房 历史光伏发电功率的模型值能将电子信息的机 房历史光伏发电功率实测值转化为具有多参数 周期性变化、 精度可调整的数值， 这样可 以更加 方便构建光伏发电的功率受到气候影响的条件 多参数关系， 基于此对电子信息机房光伏发电功 率的预测结果更加精准的。 权利要求书1页 说明书3页 CN 115275996 A 2022.11.01 CN 115275996 A 1.基于云计算电子信息 机房的能源管控方法,其特 征在于， 包括 步骤有： 云服务器构建对气象数据与电子信 息机房光伏发电功率相关的神经网络模型； 该神经 网络模型用于输入电子信息机房 历史光伏发电功 率的模型值作为训练目标值， 该神经网络 模型还用于输入与 “电子信息机房历史光伏发电功率的模型值 ”同时刻的气象数据值作为 训练输入值， 该神经网络模型通过训练目标值与训练输入值进行学习训练并得到电子信息 机房历史光伏发电功 率的模型值与气象数据值之间的关系； 云服务器输入当前的气象数据 或未来一段时期的气象数据到神经网络模型得到对电子信息机房光伏发电功率的预测结 果， 基于对电子信息 机房预测结果调整光伏能源与电网能源的互补关系。 2.根据权利要求1所述的基于云计算电子信 息机房的能源管控方法,其特征在于， 所述 的电子信息 机房历史光伏发电功率的模型值具体为， 其中， m表征模型值的精度， m越大 模型值表征的数与实际值越 接近； p为变 量， q1,q2为常数， t即电子信息的机房历史光伏发电 功率实测 值， 电子信息机房历史光伏发电功率的模型值能将t转化为具有多参数周期性变 化、 精度可调整的数值。 3.根据权利要求1所述的基于云计算电子信 息机房的能源管控方法,其特征在于， 所述 的气象数值具体指多种气象条件值共同 映射的一个具体数值。 4.根据权利要求1所述的基于云计算电子信 息机房的能源管控方法,其特征在于， 所述 气象条件值在选定中基于电子信息机房历史光伏发电功率的模型值与每种气象条件值的 皮尔逊积矩阵相关系数选 定。 5.基于云计算电子信 息机房的能源管控系统,其特征在于， 包括有云服务器， 云服务器 用于构建对气象数据与电子信息机房光伏发电功 率相关的神经网络模型； 云服务器还用于 输入当前 的气象数据或未来一段时期的气象数据到神经网络模型得到对电子信息机房光 伏发电功率的预测结果， 基于对电子信息机房预测结果调整光伏能源与电网能源的互补关 系。权　利　要　求　书 1/1 页 2 CN 115275996 A 2基于云计算电子信息机房的能源 管控系统及方 法 技术领域 [0001]本发明涉及一种基于云计算电子信息 机房的能源管控系统及方法。 背景技术 [0002]目前能源紧张的形势越来越紧迫， 现有技术中， 电子信息机房的能源使用中完全 可以的引入光伏能源但是光伏能源本身并不稳定， 所以说需要对电子信息机房的光伏能源 进行管控。 现有技术中， 如专利文 献CN107491833B公开了一种技术， 用于对光伏发电的功率 进行预测， 从而能够做到更加精准的调控光伏能源的效果， 该类技术核心在于： 获取同等时 间的光伏发电功率数据和气象数据， 并且建立等效光伏发电漂移系 数， 等效光伏发电漂移 系数具体指在相同时刻的去 噪光伏发电功率和理想的功率的比值。 基于此， 将历史时段 的 若干时刻的气象数据做输入值， 将等效光伏发电漂移系 数做目标值， 通过神经网络训练获 得气象数据和光伏发电数据的关系， 得到预测的模 型。 即便如此， 由于光伏发电的功率受到 气候影响的条件的作用非常复杂， 所以说也不能够对神经网络做到精准的训练， 所以说现 有技术， 仍然不能够达到精准的神经网络训练， 据此， 对光伏发电的功率预测的效果并不 好。 发明内容 [0003]为了克服现有的技术存在的不足， 本发明提供一种基于云计算电子信息机房的能 源管控系统及方法。 [0004]本发明解决其 技术问题所采用的技 术方案是： [0005]基于云计算电子信息 机房的能源管控方法包括 步骤有： [0006]云服务器构建对气象数据与电子信息机房光伏发电功率相关的神经网络模型； 该 神经网络模型用于输入电子信息机房 历史光伏发电功率的模型值作为训练目标值， 该神经 网络模型还用于输入与 “电子信息机房历史光伏发电功率的模型值 ”同时刻的气象数据值 作为训练输入值， 该神经网络模型通过训练目标值与训练输入值进行学习训练并得到电子 信息机房 历史光伏发电功率的模型值与气象数据值之 间的关系； 云服务器输入当前的气象 数据或未来一段时期的气象数据到神经网络模型得到对电子信息机房光伏发电功率的预 测结果， 基于对电子信息 机房预测结果调整光伏能源与电网能源的互补关系。 [0007]进一步， 所述的电子信息 机房历史光伏发电功率的模型值具体为， [0008] 其中， m表征模型值的精度， m 越大模型值表征的数与实际值越 接近； p为变 量， q1,q2为常数， t即电子信息的机房历史光伏 发电功率实测 值， 电子信息机房历史光伏发电功率的模型值能将t转化为具有多参数周期 性变化、 精度可调整的数值。 [0009]进一步， 所述的气象数值具体指多种气象条件值共同 映射的一个具体数值。 [0010]进一步， 所述气象条件值在选定中基于电子信息机房历史光伏发电功率的模型值说　明　书 1/3 页 3 CN 115275996 A 3