光伏电站的策略训练方法、装置、电子设备和存储介质与流程

本公开涉及数据处理，尤其涉及一种光伏电站的策略训练方法、装置、电子设备和存储介质。

背景技术：

1、钙钛矿光伏电站作为新一代高效光伏技术的重要方向，广泛应用于分布式发电与大型地面电站场景。相关技术中，通过动态重构技术、人工智能（ai）策略与数字孪生仿真的协同作业，构建了光伏系统智能运维体系。

2、现有的ai重构策略训练方法中，直接采用真实电站进行试错，会导致发电量损失与逆变器过压损坏，或者因数据覆盖不全而无法应对极端天气与故障组合场景，从而影响策略的泛化能力与部署可靠性。

技术实现思路

1、本公开提供了一种光伏电站的策略训练方法、装置、电子设备和存储介质。

2、根据本公开的第一方面，提供了一种光伏电站的策略训练方法，其中，包括：

3、构建钙钛矿光伏电站的数字孪生模型；其中，所述数字孪生模型包括钙钛矿组件的多物理场耦合模型和电站级电气模型，所述多物理场耦合模型包含基于钙钛矿材料特性的老化模型；

4、基于生成式模型生成覆盖不同工况的环境序列，构建包含多种场景类型的场景库；

5、在所述数字孪生模型中，基于多智能体强化学习框架对动态重构策略进行训练；其中，将各控制器建模为独立智能体，采用集中式训练与分布式执行的方式使各智能体学习协同优化策略；

6、将训练后的动态重构策略部署至硬件控制器，通过所述数字孪生模型进行硬件在环验证。

7、可选的，所述构建钙钛矿光伏电站的数字孪生模型包括：

8、基于有限元方法和多物理场耦合理论构建钙钛矿组件的老化耦合模型；其中，所述耦合模型包括光学模型、电学模型、热模型和老化模型中的至少两个；

9、根据电站实际布局构建组串、汇流箱、逆变器的连接关系以及直流线路和开关矩阵的电站级电气模型；

10、构建包含辐照模型、温度模型以及湿度、灰尘和积雪环境因素影响的环境模型。

11、可选的，所述基于有限元方法和多物理场耦合理论构建钙钛矿组件的老化耦合模型包括：

12、模拟电场驱动下离子迁移导致组分分布变化对电性能影响的离子迁移模型；

13、模拟钙钛矿材料在光照下发生相分离动力学过程的相分离模型；

14、模拟载流子传输层与钙钛矿层之间界面化学反应和缺陷生成的界面退化模型；

15、模拟封装缺陷处湿气扩散及引发水解反应的湿气侵入模型。

16、可选的，所述基于生成式模型生成覆盖不同工况的环境序列，构建包含多种场景类型的场景库包括：

17、收集历史气象数据并标注典型场景及记录极端事件，构建基础数据库；

18、采用生成式模型以所述基础数据库进行训练，学习环境序列的分布特征；

19、基于指定的场景类型和极端程度条件生成具有时序一致性和高时间分辨率的环境序列；

20、基于生成的环境序列构建包含常规场景库、极端场景库和故障场景库的场景库。

21、可选的，所述在所述数字孪生模型中，基于多智能体强化学习框架对动态重构策略进行训练包括：

22、将每个组串控制器或区域控制器建模为一个智能体，定义各智能体可观测的本地信息和部分全局信息为状态空间；

23、定义各智能体控制的本地开关矩阵状态为动作空间，设计综合考虑发电量、开关动作次数和系统稳定性的奖励函数；

24、采用集中式训练与分布式执行框架，在训练阶段利用全局信息指导各智能体的学习，在执行阶段各智能体仅依赖本地观测独立决策。

25、可选的，所述将训练后的动态重构策略部署至硬件控制器，通过所述数字孪生模型进行硬件在环验证包括：

26、将训练后的动态重构策略部署至边缘控制器；

27、在实时仿真平台上运行数字孪生环境，模拟电站运行状态；

28、所述边缘控制器通过通信接口接收来自数字孪生的模拟传感数据并输出重构指令；

29、所述数字孪生环境根据所述重构指令更新状态，模拟开关动作和电气响应；

30、记录并分析策略在实际硬件上的执行延迟、通信可靠性、控制精度以及仿真效果与实际效果的一致性。

31、根据本公开的第二方面，提供了一种光伏电站的策略训练装置，包括：

32、建模单元，用于构建钙钛矿光伏电站的数字孪生模型；其中，所述数字孪生模型包括钙钛矿组件的多物理场耦合模型和电站级电气模型，所述多物理场耦合模型包含基于钙钛矿材料特性的老化模型；

33、建库单元，用于基于生成式模型生成覆盖不同工况的环境序列，构建包含多种场景类型的场景库；

34、训练单元，用于在所述数字孪生模型中，基于多智能体强化学习框架对动态重构策略进行训练；其中，将各控制器建模为独立智能体，采用集中式训练与分布式执行的方式使各智能体学习协同优化策略；

35、验证单元，用于将训练后的动态重构策略部署至硬件控制器，通过所述数字孪生模型进行硬件在环验证。

36、可选的，所述建模单元还用于：

37、基于有限元方法和多物理场耦合理论构建钙钛矿组件的老化耦合模型；其中，所述耦合模型包括光学模型、电学模型、热模型和老化模型中的至少两个；

38、根据电站实际布局构建组串、汇流箱、逆变器的连接关系以及直流线路和开关矩阵的电站级电气模型；

39、构建包含辐照模型、温度模型以及湿度、灰尘和积雪环境因素影响的环境模型。

40、可选的，所述建模单元还用于：

41、模拟电场驱动下离子迁移导致组分分布变化对电性能影响的离子迁移模型；

42、模拟钙钛矿材料在光照下发生相分离动力学过程的相分离模型；

43、模拟载流子传输层与钙钛矿层之间界面化学反应和缺陷生成的界面退化模型；

44、模拟封装缺陷处湿气扩散及引发水解反应的湿气侵入模型。

45、可选的，所述建库单元还用于：

46、收集历史气象数据并标注典型场景及记录极端事件，构建基础数据库；

47、采用生成式模型以所述基础数据库进行训练，学习环境序列的分布特征；

48、基于指定的场景类型和极端程度条件生成具有时序一致性和高时间分辨率的环境序列；

49、基于生成的环境序列构建包含常规场景库、极端场景库和故障场景库的场景库。

50、可选的，所述训练单元还用于：

51、将每个组串控制器或区域控制器建模为一个智能体，定义各智能体可观测的本地信息和部分全局信息为状态空间；

52、定义各智能体控制的本地开关矩阵状态为动作空间，设计综合考虑发电量、开关动作次数和系统稳定性的奖励函数；

53、采用集中式训练与分布式执行框架，在训练阶段利用全局信息指导各智能体的学习，在执行阶段各智能体仅依赖本地观测独立决策。

54、可选的，所述验证单元还用于：

55、将训练后的动态重构策略部署至边缘控制器；

56、在实时仿真平台上运行数字孪生环境，模拟电站运行状态；

57、所述边缘控制器通过通信接口接收来自数字孪生的模拟传感数据并输出重构指令；

58、所述数字孪生环境根据所述重构指令更新状态，模拟开关动作和电气响应；

59、记录并分析策略在实际硬件上的执行延迟、通信可靠性、控制精度以及仿真效果与实际效果的一致性。

60、根据本公开的第三方面，提供了一种电子设备，包括：

61、至少一个处理器；以及

62、与所述至少一个处理器通信连接的存储器；其中，

63、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面所述的方法。

64、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述第一方面所述的方法。

65、根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如前述第一方面所述的方法。

66、本公开提供的光伏电站的策略训练方法、装置、电子设备和存储介质，构建融合钙钛矿组件多物理场耦合特性与老化规律的数字孪生模型，借助生成式模型生成覆盖极端天气、故障组合等多样化场景的场景库，依托多智能体强化学习的集中式训练与分布式执行框架实现控制器协同策略优化，并用硬件在环验证替代真实电站试错，既规避了实体试错风险，又弥补了场景数据覆盖不全的短板，因此，可以解决现有ai重构策略训练依赖真实电站试错导致发电量损失、逆变器过压损坏，且数据覆盖不全无法应对极端与故障组合场景，进而影响策略泛化能力与部署可靠性的技术问题，达到避免真实电站试错带来的经济损失与设备损坏，拓宽策略训练的场景覆盖维度，提升动态重构策略的泛化能力与协同优化精度，通过硬件在环验证保障策略部署稳定性，加速钙钛矿光伏电站智能运维技术工程化应用的技术效果。

67、应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。