一种基准模型库构建方法、装置、电子设备及存储介质与流程

摘要: 本发明涉及模型库构建,尤其涉及一种基准模型库构建方法、装置、电子设备及存储介质。背景技术:1、随着新能源在电力系统中的占比持续攀升并逐渐成为主导能源之一,电力负...
一种基准模型库构建方法、装置、电子设备及存储介质与流程

本发明涉及模型库构建,尤其涉及一种基准模型库构建方法、装置、电子设备及存储介质。

背景技术:

1、随着新能源在电力系统中的占比持续攀升并逐渐成为主导能源之一,电力负荷的整体构成与动态特性正呈现出前所未有的高度复杂化和强随机化特征。这种变化主要源于风电、光伏等间歇性、波动性电源的大规模接入,使得负荷曲线不再仅受传统用户行为影响,更与天气、光照等自然因素紧密耦合。在此背景下,传统的负荷建模方法,无论是基于物理机理的详细推导,还是依赖简单统计规则的分类归纳,都逐渐暴露出其固有局限:建模过程通常耗时漫长,所建模型的泛化能力普遍较弱,且难以灵活适应制造业、商业、居民等多行业用户差异化、精细化的负荷动态特性。

2、当前广泛使用的各类基准负荷模型库,大多是基于过往历史静态数据构建而成,本质上缺乏对电网实时运行数据的动态感知能力与在线自适应校正机制。因此,当系统遭遇极端气象突变、节假日带来的用电模式剧变,或是其他突发性事件冲击时,这些静态模型往往无法准确跟踪负荷的真实变化,导致其预测与仿真精度出现显著下降。更进一步看,不同行业领域的负荷响应特性存在巨大差异:例如,制造业负荷可能与生产计划紧密相关,商业楼宇负荷明显受作息与空调系统影响,而数据中心负荷则具有高稳定、持续性的特点。面对如此多样化的负荷特性,试图依靠单一的通用化模型去覆盖所有场景,已难以满足现代电网对于精细化仿真分析、运行推演以及高可靠性安全校核日益提升的迫切需求。

技术实现思路

1、本发明提供了一种基准模型库构建方法、装置、电子设备及存储介质,用于解决现有的负荷模型库在用电模式剧变时,预测与仿真精度不高的技术问题。

2、本发明提供了一种基准模型库构建方法,包括:

3、采集不同行业的负荷数据;

4、对所述负荷数据进行标准化分类,生成各负荷数据的行业标签;

5、获取各行业标签对应的所述负荷数据的多维特征;

6、根据所述负荷数据及所述多维特征,构建行业负荷机理模型;

7、基于所述行业负荷机理模型,构建基准模型库。

8、可选地,所述行业负荷机理模型包括工业负荷机理模型;所述根据所述负荷数据及所述多维特征,构建行业负荷机理模型的步骤,包括:

9、获取目标工业负荷的生产全流程,并根据所述生产全流程绘制物质流图与能量流图;

10、根据所述物质流图与所述能量流图获取所述目标工业负荷的价值链,并确定所述价值链中的核心生产节点;

11、根据所述物质流图与所述能量流图识别所述目标工业负荷中的主要耗能单元及所述主要耗能单元在所述价值链中的功能耦合关系;

12、以所述核心生产节点之间的柔性环节为锚点,划分各核心生产节点的边界范围;

13、获取各核心生产节点的可调单元,并根据所述功能耦合关系确定各可调单元的输入输出变量;

14、采用所述输入输出变量构建各可调单元的数学模型;

15、根据所述多维特征空间和所述边界范围构建各可调单元的第一约束条件;

16、基于所述数学模型和所述第一约束条件生成各可调单元的机理模型;

17、根据所述物质流图和所述能量流图构建耦合约束,并基于所述耦合约束耦合各所述可调单元的机理模型,得到工业负荷机理模型。

18、可选地,所述耦合约束包括物料供需平衡约束、能量平衡约束;所述根据所述物质流图和所述能量流图构建耦合约束,并基于所述耦合约束耦合各所述可调单元的机理模型,得到工业负荷机理模型的步骤,包括:

19、根据所述物质流图识别各可调单元之间的物料传递关系;

20、根据所述物料传递关系生成物料供需平衡约束;

21、根据所述能量流图确定各可调单元之间的热交换关系;

22、根据所述热交换关系生成能量平衡约束;

23、获取各可调单元之间的控制逻辑耦合约束;

24、采用物料供需平衡约束对所述可调单元进行前馈耦合、采用所述能量平衡约束对所述可调单元进行状态耦合、采用所述控制逻辑耦合约束对所述可调单元进行反馈耦合,得到工业负荷机理模型。

25、可选地,所述行业负荷机理模型包括商业负荷机理模型;所述根据所述负荷数据及所述多维特征,构建行业负荷机理模型的步骤,包括:

26、获取各商业负荷的负荷类型;

27、获取各负荷类型的服务水准协议;

28、根据所述服务水准协议生成各商业负荷的第二约束条件;

29、根据所述多维特征和所述第二约束条件,构建各负荷类型的商业负荷机理模型。

30、可选地,所述行业负荷机理模型包括居民负荷机理模型;所述根据所述负荷数据及所述多维特征,构建行业负荷机理模型的步骤,包括:

31、获取居民负荷在预设时刻的第一预测值;

32、获取所述预设时刻的当前温度、参考温度、温度敏感系数和基准负荷;

33、根据所述当前温度、所述参考温度、所述温度敏感系数和所述基准负荷计算均值;

34、获取居民负荷的历史数据,并生成所述历史数据的方差;

35、采用所述第一预测值、所述均值和所述方差生成居民负荷机理模型。

36、可选地,所述行业负荷机理模型包括充电桩负荷机理模型;所述根据所述负荷数据及所述多维特征,构建行业负荷机理模型的步骤,包括:

37、获取充电桩负荷在预设时刻的第二预测值、接入充电的车辆数、充电桩额定功率、接入车辆的平均电池荷电状态和充电效率;

38、采用所述第二预测值、所述车辆数、所述充电桩额定功率、所述平均电池荷电状态和所述充电效率构建充电桩负荷机理模型。

39、可选地,所述基于所述行业负荷机理模型,构建基准模型库的步骤之后,还包括:

40、当触发预设参数更新条件时,以预设预测点的实时量测功率与行业负荷机理模型的预测功率的残差平方和最小化为优化目标,构建目标函数;

41、求解所述目标函数,得到优化模型参数向量;

42、采用所述优化模型参数向量优化所述行业负荷机理模型,得到优化行业负荷机理模型。

43、本发明还提供了一种基准模型库构建装置,包括:

44、负荷数据采集模块,用于采集不同行业的负荷数据;

45、行业标签生成模块,用于对所述负荷数据进行标准化分类,生成各负荷数据的行业标签;

46、多维特征获取模块,用于获取各行业标签对应的所述负荷数据的多维特征;

47、行业负荷机理模型构建模块,用于根据所述负荷数据及所述多维特征,构建行业负荷机理模型;

48、基准模型库构建模块,用于基于所述行业负荷机理模型,构建基准模型库。

49、本发明还提供了一种电子设备,所述设备包括处理器以及存储器:

50、所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;

51、所述处理器用于根据所述程序代码中的指令执行如上任一项所述的基准模型库构建方法。

52、本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行如上任一项所述的基准模型库构建方法。

53、从以上技术方案可以看出,本发明具有以下优点:本发明公开了一种基准模型库构建方法,并具体公开了:采集不同行业的负荷数据;对负荷数据进行标准化分类,生成各负荷数据的行业标签;获取各行业标签对应的负荷数据的多维特征,构建多维特征空间;根据多维特征空间,构建行业负荷机理模型;基于行业负荷机理模型,构建基准模型库。

54、本发明通过构建行业负荷机理模型而非纯数据驱动模型,该发明引入了电力负荷的物理/运行机理。当用电模式因突发事件、极端天气或政策调整发生剧变时,机理模型能依据底层物理规律进行推演,有效规避了传统“黑箱”模型在数据分布漂移时失效的风险,从而保证预测和仿真结果在非平稳工况下的可靠性。