[发明专利]太阳能驱鸟设备电池容量选型方法、装置、设备和介质

权利要求书

1.一种太阳能驱鸟设备电池容量选型方法，其特征在于，所述太阳能驱鸟设备包括太阳能板和驱鸟组件，所述方法包括：

获取运行环境数据以及所述驱鸟组件对应的能耗数据；

根据所述能耗数据和预设的工作时长，计算所述驱鸟组件对应的单日最大用电量；

将所述环境数据输入预设的目标发电量预测模型，输出所述太阳能板对应的预测发电量；

根据所述单日最大用电量和所述预测发电量，确定中长期电池型号；

所述能耗数据包括多个驱鸟模式分别对应的最大模式电压值和最大模式电流值；所述根据所述能耗数据和预设的工作时长，计算所述驱鸟组件对应的单日最大用电量的步骤，包括：

采用各个所述驱鸟模式分别对应的最大模式电压值和所述最大模式电流值，分别计算每个所述驱鸟模式下的驱鸟功率值；

按照预设数量累加多个所述驱鸟功率值并选取最大值，得到目标驱鸟功率值；

根据所述目标驱鸟功率值和预设的工作时长，计算所述驱鸟组件对应的单日最大用电量。

2.根据权利要求1所述的方法，其特征在于，所述将所述环境数据输入预设的目标发电量预测模型，输出所述太阳能板对应的预测发电量的步骤，包括：

将所述环境数据输入预设的目标发电量预测模型；所述目标发电量预测模型包括串行的多个决策树模型；

通过所述多个决策树模型分别根据所述环境数据进行发电量预测，得到多个中间值；

依次累加所述多个中间值，生成所述太阳能板对应的预测发电量并输出。

3.根据权利要求1所述的方法，其特征在于，所述根据所述单日最大用电量和所述预测发电量，确定中长期电池型号的步骤，包括：

计算所述单日最大用电量和所述预测发电量的电量差值；

计算所述电量差值和所述驱鸟组件的预设工作电压的电量比值；

采用所述电量比值和预设阴雨天数，确定中长期电池容量；

基于所述预设工作电压和所述中长期电池容量，确定中长期电池型号。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取所述太阳能板的历史环境数据以及历史发电量，并进行数据预处理，构建历史数据集；

计算所述历史数据集对应的相关系数，并基于所述相关系数对所述历史数据集进行简化，生成训练数据集；

通过预设的LightGBM算法根据所述训练数据集对预设的初始发电量预测模型进行训练，得到所述目标发电量预测模型。

5.根据权利要求4所述的方法，其特征在于，所述相关系数包括特征相关系数与电量相关系数；所述计算所述历史数据集对应的相关系数，并基于所述相关系数对所述历史数据集进行简化，生成训练数据集的步骤，包括：

采用预设的皮尔森相关系数法，计算所述历史数据集内相邻的所述历史环境数据之间的特征相关系数；

若所述特征相关系数大于第一相关阈值，则采用预设的互斥特征捆绑算法将对应的所述历史环境数据进行特征捆绑，得到新的历史数据集；

采用所述皮尔森相关系数法，分别计算所述新的历史数据集内每个新历史环境数据与所述历史发电量之间的电量相关系数；

若所述电量相关系数小于第二相关阈值，则从所述新的历史数据集内删除对应的所述新历史环境数据，生成训练数据集。

6.根据权利要求4所述的方法，其特征在于，所述训练数据集包括训练环境数据和训练发电量，所述初始发电量预测模型包括初始决策树，所述通过预设的LightGBM算法根据所述训练数据集对预设的初始发电量预测模型进行训练，得到所述目标发电量预测模型的步骤，包括：

初始化样本预测值；

获取预设的损失函数，并根据单边梯度抽样算法对所述训练环境数据进行筛选；

构建所述初始决策树对应的目标函数，计算分裂收益并通过所述LightGBM算法内的直方图算法寻找最佳分裂点，直至所述分裂收益小于预设收益阈值；

采用所述训练发电量更新预测值并递归所述初始决策树的生成，直至所述初始决策树的数量达到预定数量阈值，采用全部所述初始决策树构建所述目标发电量预测模型。