本发明属于微电网控制，尤其涉及一种超充站直流微电网系统控制方法。
背景技术：
1、随着电动汽车的普及，对充电设施的需求日益增长，传统的充电站多采用交流电进行充电，但为了实现快速充电，需要高功率的直流充电设备，特别是对于能够提供快速充电服务的超充站。超充站作为电动汽车快速充电的重要基础设施，其稳定性和高效性对电动汽车的充电体验至关重要。现有的直流微电网系统在超充站应用中主要存在以下缺陷：
2、功率波动大：由于电动汽车充电需求的不确定性，导致微电网功率波动较大，影响系统稳定性；电网负荷大，也容易造成充电高峰时段电网的不稳定。
3、能量管理不精细：现有技术中的能量管理策略较为粗放，无法精确匹配充电需求与能源供应，不能对储能系统进行能量的合理分配和调度，因此能源利用率低。
4、应急响应能力差：在电网故障或极端天气条件下，现有系统缺乏有效的应急响应机制，影响充电站的连续运行。
5、充电效率不高：由于缺乏智能化的充电调度策略，充电效率无法最大化，无法满足快速充电的需求。影响用户体验。
6、缺乏自适应调节能力：在面对电网波动或充电需求变化时，现有系统调节能力有限，难以快速响应。控制系统复杂，难以实现智能化管理。
技术实现思路
1、为解决上述技术问题，本发明提供了一种超充站直流微电网系统控制方法，包括：
2、对超充站直流微电网系统进行建模，获得系统参数；
3、构建初始深度学习网络模型，基于所述系统参数对所述初始深度学习网络模型进行训练，获得目标深度学习网络模型；
4、基于所述目标深度学习网络模型，根据实时的能源供应情况和充电需求，动态调整不同能源的输入比例，并引入储能装置平衡供需差异；
5、通过无线通信技术，远程实时监测管理超充站直流微电网系统的充电状态、能源生产和消耗情况，优化能源分配。
6、优选地，对超充站直流微电网系统进行建模，获得系统参数的过程包括：
7、通过安装在超充站直流微电网系统各个关键节点的传感器和数据采集设备，对超充站的直流微电网进行实时监测，获取所需参数数据；并将收集的所需参数数据通过无线或有线网络传输至中央控制单元；其中，所述所需参数数据包括但不限于直流母线的电压、电流、功率需求和供应情况、储能系统的充放电状态、电池的剩余电量、充放电速率和温度。
8、优选地，构建初始深度学习网络模型的过程包括：
9、构建长短期记忆网络模型和卷积神经网络模型，并将所述长短期记忆网络模型和卷积神经网络模型进行模型融合，获得融合神经网络模型。
10、优选地，将所述长短期记忆网络模型和卷积神经网络模型进行模型融合的过程包括：
11、对所需参数数据进行标准化处理，消除不同特征间的量纲影响，获得时间序列数据；
12、通过卷积神经网络模型对所述时间序列数据进行特征提取，在卷积层之后添加池化层，利用卷积层和池化层自动提取所述时间序列数据的空间特征，获得特征图；
13、通过池化层在空间维度上进行降采样，将池化后的特征图转换为一维向量，并输入到lstm层中，利用lstm的门控机制捕捉时间序列中的动态特性；
14、在lstm层之后添加一层或多层全连接层，用于输出最终的预测结果；
15、根据任务需求选择合适的激活函数和损失函数后，设计融合层，将cnn的局部特征和lstm的全局时间特征进行整合，获得融合神经网络模型；
16、采用反向传播算法对所述融合神经网络模型进行训练，通过调整网络参数最小化预测误差。
17、优选地，基于所述目标深度学习网络模型，根据实时的能源供应情况和充电需求，动态调整不同能源的输入比例的过程包括：
18、基于融合神经网络模型对充电站的充电功率需求进行预测，并实时监测充电站的功率需求；
19、将预测结果与实时监测充电站的功率需求进行对比，当检测到功率需求超过供应时，自动启动储能系统进行放电，补充功率缺口；反之，则进行充电；根据实时监测数据和功率需求预测，通过模糊逻辑控制动态调整储能系统的充放电状态；
20、根据电动汽车的充电需求预测和储能系统的当前状态，通过粒子群优化算法制定充电计划进行精细化能量管理，优先使用低谷时段的电能进行充电，减少高峰时段的充电负荷；
21、当检测到电网故障时自动切换到备用电源或储能系统进行供电。
22、优选地，基于融合神经网络模型对充电站的充电功率需求进行预测，并实时监测充电站的功率需求的过程包括：
23、利用历史充电数据和机器学习算法，对电动汽车的充电需求进行预测，获得预测结果；
24、基于所述预测结果指导储能系统的充放电策略和充电站的运行调度。
25、优选地，通过模糊逻辑控制动态调整储能系统的充放电状态的过程包括：
26、实时监测储能系统的状态，包括但不限于电池的荷电状态、充放电电流、电压关键参数；
27、根据储能系统的特性和充放电需求，设计模糊控制规则处理充放电过程中的不确定性和非线性问题；
28、将监测到的系统状态参数转换为模糊值，根据所述模糊控制规则，对输入的模糊值进行逻辑推理，决定充放电的策略；
29、然后将模糊推理的结果转换为具体数值，确定具体的充放电功率或电流设置，根据解模糊化后的控制指令，动态调整储能系统的充放电状态；
30、将执行后的系统状态作为反馈，与预期目标进行比较，进一步校正模糊控制规则，优化充放电过程。
31、优选地，根据电动汽车的充电需求预测和储能系统的当前状态，通过粒子群优化算法制定充电计划进行精细化能量管理的过程包括：
32、构建优化模型，将电动汽车的充电需求预测和储能系统的当前状态作为输入，以最小化总成本或最大化能源利用效率为目标函数，并考虑功率平衡、充放电速率限制等约束条件，随机初始化粒子群的位置和速度，每个粒子代表一个潜在的充放电计划方案；
33、计算每个粒子的适应度值，基于总成本或能源效率的目标函数，根据适应度值更新粒子的个体极值和全局极值，调整粒子的位置和速度，模拟鸟群觅食行为，寻找最优解；
34、通过重复迭代更新粒子位置和速度，逐步逼近最优充放电计划，设置最大迭代次数或解的质量满足预设阈值的迭代停止条件，在满足停止条件后，从粒子群中提取获得最优充放电计划；
35、将所述最优充放电计划应用于实际储能系统中，评估性能后根据反馈进行实时调整。
36、与现有技术相比，本发明具有如下优点和技术效果：
37、本发明通过动态功率平衡控制，有效减少功率波动，提高系统稳定性。
38、本发明通过精细化的能量管理策略能够提高储能系统的利用率，优化能源分配。
39、本发明通过智能化的充电调度策略能够提高充电效率，缩短充电时间，提升用户体验。
40、本发明的智能应急响应机制能够在电网故障或极端条件下，快速切换到应急模式，保障充电站的连续运行。
1.一种超充站直流微电网系统控制方法，其特征在于，包括：
2.根据权利要求1所述的超充站直流微电网系统控制方法，其特征在于，
3.根据权利要求1所述的超充站直流微电网系统控制方法，其特征在于，
4.根据权利要求3所述的超充站直流微电网系统控制方法，其特征在于，
5.根据权利要求1所述的超充站直流微电网系统控制方法，其特征在于，
6.根据权利要求5所述的超充站直流微电网系统控制方法，其特征在于，
7.根据权利要求5所述的超充站直流微电网系统控制方法，其特征在于，
8.根据权利要求5所述的超充站直流微电网系统控制方法，其特征在于，
