一种基于决策遗憾与极限学习机的多源频率紧急控制方法与流程

本技术涉及电力系统功率平衡与安全稳定运行，特别是涉及一种基于决策遗憾与极限学习机的多源频率紧急控制方法。

背景技术：

1、随着全球低碳能源转型的深入推进，以风电、光伏为代表的可再生能源在电力系统中的渗透率不断提高，电网正呈现出显著的“高比例可再生能源”与“高比例电力电子设备”的“双高”特征。传统电力系统中发挥中流砥柱作用的同步发电机组被大规模替代，导致系统物理形态发生深刻变化：一方面，电力电子并网设备通常不具备机械旋转部件，使得系统整体的转动惯量大幅下降；另一方面，新能源发电机组多采用最大功率点跟踪运行模式，通常不保留备用容量，导致系统的一次调频能力和阻尼水平显著削弱。这种“低惯量、弱阻尼”的特性使得新型电力系统对有功功率扰动变得极为敏感。

2、在电网实际运行中，一旦发生特高压直流跨区输电双极闭锁、大容量骨干机组跳闸或极端天气导致的新能源连片脱网等严重故障，系统内将瞬间产生巨大的有功功率缺额。由于系统惯量支撑不足，系统频率会以极高的频率变化率急剧下降，并在极短时间内跌至频率最低点。传统的调频手段（如一次调频、agc二次调频）响应时间通常在数秒至分钟级，难以在暂态期间有效遏制频率的恶化。若不及时采取果断干预，极易触发低频减载，甚至引发大停电事故。因此，面向高比例新能源系统的频率紧急控制策略，成为了保障现代大电网安全稳定运行的最后一道屏障。

3、现有的频率紧急控制框架为了兼顾安全性与经济性，通常被建模为一个典型的“级联”决策过程，主要包括以下两个关键步骤：第一步，系统不平衡功率承载能力的离线/在线动态评估。控制系统首先需要根据电网的安全运行规程（如允许的最大频率变化率阈值、防止触发低频减载的频率最低点限制等），结合当前系统的在线等效惯量、负荷阻尼系数和备用容量，利用系统等效转子运动方程，反向推导出当前运行工况下系统所能安全承载的最大不平衡功率阈值。第二步，扰动后功率缺额估算与多资源紧急协调分配。在极端扰动发生后的百毫秒内，系统需依靠广域测量系统或本地量测数据，快速估算实际发生的总不平衡功率大小。如果估算的缺额功率超出了系统自身的承载阈值，则必须立即启动紧急控制，计算所需的紧急支援功率。随后，构建以调频代价最小、响应速度最快为目标的优化问题，将所需的支援功率在毫秒/秒级时间尺度上分配给各类灵活性资源（如传统火电快速汽门控制、新型储能设备的快速放电、风电机组的转子动能控制或新能源的紧急切除等）。

4、在这个包含“状态感知-缺额估算-策略优化”的复杂级联决策链路中，对扰动后的实际不平衡功率以及新能源节点实时可用响应能力的准确预测与估算，是制定安全、经济的紧急控制分配策略的最核心前提。然而，随着源网荷储高度互动，新能源出力的随机性与波动性叠加故障瞬态的非线性特征，使得在线精准预测极具挑战。

5、现有控制策略主要存在以下不足：

6、第一，预测与优化的割裂。现有的控制策略多采用“先预测后优化”的传统框架，即首先追求不平衡功率或新能源出力预测误差（如均方误差）最小化，然后将预测结果输入优化模型进行功率分配。然而，更高的预测精度并不必然导致更优的控制决策。在频率紧急控制中，预测误差与决策成本（决策遗憾）之间存在严重的不对称性和非单调性。例如，低估缺额功率会导致频率跌落越限甚至触发低频减载（面临极高安全惩罚成本），而高估缺额功率仅会导致部分调频资源的调节成本增加。先预测后优化模式由于缺乏对下游决策目标的感知，无法处理这种不对称的代价。

7、第二，多资源协同的动态响应建模不足。高比例新能源系统包含同步机、储能、风光新能源等异质资源，其响应成本、爬坡速率与容量特性各异。现有方法在紧急功率分配时，往往缺乏统筹考虑调频成本、响应速度与多异质资源跨时间尺度协同的多目标优化逻辑。

8、第三，在线计算时效性差。如果在紧急控制的不平衡功率估算中引入深度学习等复杂预测模型，其网络结构庞大、反向传播训练耗时长，难以满足频率紧急控制对毫秒/秒级响应速度的苛刻要求。

9、综上所述，现有的频率紧急控制系统在预测误差处理与多资源协同调控方面存在明显不足，亟需提出一种兼顾计算效率与决策最优性的“智能预测与优化”框架，以实现高比例新能源系统频率的快速稳定与运行经济性的协同优化。

技术实现思路

1、本公开的实施例提供了一种基于决策遗憾与极限学习机的多源频率紧急控制方法，以至少解决现有技术中存在的预测精度与决策最优性不匹配、多异质资源协同调控不足以及在线计算时效性差的技术问题。

2、根据本公开实施例的一个方面，提供了一种基于决策遗憾与极限学习机的多源频率紧急控制方法，包括：构建各个历史运行场景下反映系统频率时空分布特征的输入特征向量，并确定系统在各个历史运行场景下能够安全承载的最大不平衡功率阈值；以所述输入特征向量作为极限学习机的输入，以系统总功率缺额作为输出，建立从频率轨迹特征到系统总功率缺额的非线性映射；其中，所述极限学习机的隐含层参数随机生成并保持恒定，仅输出层权重为待训练参数；在所述极限学习机输出的系统总功率缺额大于所述最大不平衡功率阈值时，计算需紧急支援的功率缺额，并以最小化包含多种调频资源调节成本及切负荷惩罚成本的系统整体运行代价为目标，在满足各类调频资源出力约束、爬坡约束及系统功率平衡约束的条件下，求解各类调频资源的最优出力分配决策；以最小化所有历史运行场景的决策遗憾值之和为目标，求解所述极限学习机的最优输出层权重；其中，所述决策遗憾值为求解得到的最优分配决策应对真实功率缺额时产生的综合运行代价，与在已知真实功率缺额条件下求解得到的最优分配决策产生的理论最小运行代价的差值；将所述最优输出层权重代入所述极限学习机，对实时扰动以相同方式提取频率特征并预测实时的系统总功率缺额，结合根据实时系统状态逆向解析得到的最大不平衡功率阈值，求解实时的最优出力分配决策并下发执行。

3、根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

4、根据本公开实施例的另一个方面，还提供了一种基于决策遗憾与极限学习机的多源频率紧急控制系统，包括：构建及确定模块，用于构建各个历史运行场景下反映系统频率时空分布特征的输入特征向量，并确定系统在各个历史运行场景下能够安全承载的最大不平衡功率阈值；非线性映射建立模块，用于以所述输入特征向量作为极限学习机的输入，以系统总功率缺额作为输出，建立从频率轨迹特征到系统总功率缺额的非线性映射；其中，所述极限学习机的隐含层参数随机生成并保持恒定，仅输出层权重为待训练参数；最优决策求解模块，用于在所述极限学习机输出的系统总功率缺额大于所述最大不平衡功率阈值时，计算需紧急支援的功率缺额，并以最小化包含多种调频资源调节成本及切负荷惩罚成本的系统整体运行代价为目标，在满足各类调频资源出力约束、爬坡约束及系统功率平衡约束的条件下，求解各类调频资源的最优出力分配决策；最优权重求解模块，用于以最小化所有历史运行场景的决策遗憾值之和为目标，求解所述极限学习机的最优输出层权重；其中，所述决策遗憾值为求解得到的最优分配决策应对真实功率缺额时产生的综合运行代价，与在已知真实功率缺额条件下求解得到的最优分配决策产生的理论最小运行代价的差值；实时求解模块，用于将所述最优输出层权重代入所述极限学习机，对实时扰动以相同方式提取频率特征并预测实时的系统总功率缺额，结合根据实时系统状态逆向解析得到的最大不平衡功率阈值，求解实时的最优出力分配决策并下发执行。

5、根据本公开实施例的另一个方面，还提供了一种基于决策遗憾与极限学习机的多源频率紧急控制系统，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：构建各个历史运行场景下反映系统频率时空分布特征的输入特征向量，并确定系统在各个历史运行场景下能够安全承载的最大不平衡功率阈值；以所述输入特征向量作为极限学习机的输入，以系统总功率缺额作为输出，建立从频率轨迹特征到系统总功率缺额的非线性映射；其中，所述极限学习机的隐含层参数随机生成并保持恒定，仅输出层权重为待训练参数；在所述极限学习机输出的系统总功率缺额大于所述最大不平衡功率阈值时，计算需紧急支援的功率缺额，并以最小化包含多种调频资源调节成本及切负荷惩罚成本的系统整体运行代价为目标，在满足各类调频资源出力约束、爬坡约束及系统功率平衡约束的条件下，求解各类调频资源的最优出力分配决策；以最小化所有历史运行场景的决策遗憾值之和为目标，求解所述极限学习机的最优输出层权重；其中，所述决策遗憾值为求解得到的最优分配决策应对真实功率缺额时产生的综合运行代价，与在已知真实功率缺额条件下求解得到的最优分配决策产生的理论最小运行代价的差值；将所述最优输出层权重代入所述极限学习机，对实时扰动以相同方式提取频率特征并预测实时的系统总功率缺额，结合根据实时系统状态逆向解析得到的最大不平衡功率阈值，求解实时的最优出力分配决策并下发执行。

6、本技术将决策遗憾理论与极限学习机深度融合，构建了离线训练与在线应用两阶段框架：在离线训练阶段，以最小化所有历史运行场景的决策遗憾值为目标求解极限学习机的最优输出层权重，其中决策遗憾值为基于预测功率缺额求解的最优分配决策应对真实功率缺额时的综合运行代价与基于完美预测的理论最小代价的差值，且该差值具有非对称性，即预测值低于真实值时因切负荷惩罚使遗憾上升幅度大于预测值高于真实值时仅增加调频成本的上升幅度，从而使输出层权重向预测值倾向于高于真实值的方向优化，克服了传统“先预测后优化”框架中预测精度与决策最优性不匹配的缺陷；同时，在确定系统最大不平衡功率承载阈值的基础上，构建以最小化包含多种调频资源调节成本及切负荷惩罚成本的系统整体运行代价为目标的优化分配模型，在满足各类调频资源出力约束、爬坡约束及功率平衡约束的条件下求解最优出力分配决策，实现了对同步发电机组、储能系统及可调新能源场站等多异质资源的统筹协调，解决了多异质资源协同调控不足的问题；此外，利用极限学习机隐含层参数随机生成并保持恒定、仅输出层权重待训练的特性，在离线阶段完成权重求解后，在线阶段仅需单次前向计算即可完成功率缺额预测，满足频率紧急控制对毫秒级响应速度的要求。由此，本技术克服了传统“先预测后优化”框架中预测精度与决策最优性不匹配、多异质资源协同调控不足以及在线计算时效性差的技术问题，为高比例新能源系统频率紧急控制提供了兼顾决策最优性与计算时效性的技术方案。