基于多源异构数据的虚拟电厂调度履约风险预警方法与流程

本发明涉及虚拟电厂，主要涉及基于多源异构数据的虚拟电厂调度履约风险预警方法。

背景技术：

1、虚拟电厂通过聚合分布式能源、储能系统与可控负荷参与电网调度，其调度履约能力的可靠性直接影响电力市场的稳定运行。由于虚拟电厂内部单元类型多样、响应行为复杂且相互耦合，如何准确评估各单元的调度履约风险并实现超前预警，成为虚拟电厂运行管理中的关键问题。

2、例如公开号为cn117591584a的中国发明专利申请公开了一种基于多源异构数据驱动的虚拟电厂优化管理及调度方法，该技术方案首先通过bp神经网络对获取的多源异构数据进行融合和精度评定（采用决定系数和均方误差mse作为评价指标），然后基于融合后的数据，利用支持向量模型提取电能流量波段并生成流量波段向量，再通过预设的安全向量模板识别向量偏差量，最终生成异常报告并输出至电控单元。然而，上述技术方案的bp神经网络的融合过程以整体数据误差最小化为目标，其评价指标和mse反映的是数据层面的拟合精度，并未针对虚拟电厂调度履约风险构建专门的风险表征模型，导致融合后的数据无法有效区分不同单元在履约能力上的差异；其次，该技术方案依赖预设的安全向量模板来识别偏差量，该模板为静态设定，当虚拟电厂内部单元间的耦合关系或调度指令特性发生变化时，模板的匹配精度显著下降，容易产生误报或漏报；此外，该技术方案的异常报告生成机制基于单个流量波段向量的偏差分析，未考虑单元间因调度交互关系而产生的风险传播效应，无法量化一个单元的履约偏差如何通过关联关系影响其他单元，因而难以实现系统性的风险预警。

3、综上所述，亟需一种能够融合非结构化调度语义且量化风险传播效应并实现分级预警的虚拟电厂调度履约风险预警方法。

技术实现思路

1、为了解决现有技术所存在的上述问题，本技术提供了基于多源异构数据的虚拟电厂调度履约风险预警方法。

2、本技术的技术方案如下：

3、一方面，本发明提供了基于多源异构数据的虚拟电厂调度履约风险预警方法，所述方法包括：

4、获取虚拟电厂的多源异构数据，包括结构化数据、半结构化数据和非结构化数据；

5、基于结构化数据构建时序动态谱图；基于非结构化数据，利用bert模型对时序动态谱图进行实体关系增强，获得实体关系增强谱图；

6、构建多模态履约评分模型，以半结构化数据、非结构化数据和实体关系增强谱图作为输入，输出虚拟电厂的调度履约风险评分；

7、基于实体关系增强谱图和虚拟电厂的调度履约风险评分计算获得虚拟电厂的调度偏差传播指数，若调度偏差传播指数超过预设风险阈值，则进行风险预警。

8、优选的，所述结构化数据包括调度记录中的调度时间、调度指令响应值和设备类型，所述半结构数据包括设备状态报告的响应速率和调节精度，所述非结构化数据包括调度指令文本。

9、优选的，基于结构化数据构建时序动态谱图 包括定义时序动态谱图为带权有向图，其中节点为虚拟电厂内部单元，包括储能单元、发电单元和负荷单元，边为调度交互关系，每条边的权重的计算步骤具体为：

10、获取起始单元的设备类型对应的衰减因子，其中储能单元、发电单元和负荷单元的衰减因子依次递减；计算当前时间与最近一次调度指令下达时间的时间间隔，并计算以自然常数为底、以负的时间衰减系数乘以所述时间间隔为指数的指数衰减值，其中时间衰减系数为预设常数；获取从起始单元到目标单元的调度指令响应值，将所述调度指令响应值除以所有调度记录中的最大调度指令响应值，得到归一化响应比值；将所述衰减因子、指数衰减值和归一化响应比值三者相乘，所得乘积即为对应边的权重。

11、优选的，基于非结构化数据，利用bert模型对时序动态谱图进行实体关系增强，具体为利用bert模型提取调度指令文本中的实体关系，生成三元组，将所述三元组注入时序动态谱图，获得实体关系增强谱图。

12、优选的，所述多模态履约评分模型包括xgboost调度偏差评分模块、bert指令响应风险评分模块和邻域耦合影响模块，其中：

13、所述xgboost调度偏差评分模块用于预测虚拟电厂内部单元的调度指令响应偏差情况，以半结构化数据作为输入数据，输出xgboost调度偏差评分；

14、所述bert指令响应风险评分模块用于预测虚拟电厂内部单元的调度指令执行风险程度，以非结构化数据作为输入，输出bert指令响应风险评分；

15、所述邻域耦合影响模块用于评估虚拟电厂内部单元间的相互影响程度，以实体关系增强谱图为输入，输出邻域耦合影响评分；

16、基于xgboost调度偏差评分、bert指令响应风险评分和邻域耦合影响评分计算获得虚拟电厂的调度履约风险评分。

17、优选的，基于实体关系增强谱图和虚拟电厂的调度履约风险评分计算获得虚拟电厂的调度偏差传播指数，具体为：

18、采用长短期记忆网络lstm对每个虚拟电厂内部单元的历史调度履约风险评分进行时序分析，提取得到固定维度的lstm时序特征向量；

19、对于目标单元，在实体关系增强谱图中选取与其边权重最大的两个邻域单元，获取这三个单元各自的lstm时序特征向量，并将这三个向量水平拼接成一个矩阵；

20、将一个可训练的注意力参量向量进行转置后与所述矩阵相乘，得到中间向量；将所述中间向量与一个可训练矩阵相乘，得到标量值；将所述标量值除以lstm特征向量维度的平方根后经过sigmoid函数映射，得到取值范围为0到1的调度偏差传播指数。

21、优选的，所述预设风险阈值包括第一阈值和第二阈值，且第一阈值小于第二阈值；

22、当调度偏差传播指数超过第一阈值但未超过第二阈值时，触发强化学习决策引擎进行风险防控决策；当调度偏差传播指数超过第二阈值时，触发强化学习决策引擎并采取对应的干预措施；

23、其中，所述强化学习决策引擎根据当前系统状态动态选择干预动作。

24、优选的，所述方法还包括引入强化学习决策引擎，所述强化学习决策引擎基于马尔可夫决策过程进行决策优化，具体为：

25、定义状态空间，包括当前保证金上调比例和虚拟电厂功率偏差率；

26、定义动作空间，包括上调保证金、限制调度权限和暂停调度资格；

27、定义状态转移概率和奖励函数，所述奖励函数综合考虑功率偏差、干预措施成本和功率波动；

28、在每个决策时刻，强化学习决策引擎根据当前状态选择最优动作，执行后观察下一状态和奖励，并更新决策参数。

29、另一方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任一项所述的基于多源异构数据的虚拟电厂调度履约风险预警方法。

30、再一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一项所述的基于多源异构数据的虚拟电厂调度履约风险预警方法。

31、本发明具有如下有益效果：

32、1、本发明提供了基于多源异构数据的虚拟电厂调度履约风险预警方法，基于结构化调度数据构建时序动态谱图，并利用bert模型从非结构化调度指令文本中提取实体关系对谱图进行增强，获得包含单元间备用关联等深层关系的实体关系增强谱图，提升了虚拟电厂内部单元间耦合关系的刻画精度和风险关联信息的完整度；

33、2、本发明提供了基于多源异构数据的虚拟电厂调度履约风险预警方法，通过构建包含xgboost调度偏差评分模块、bert指令响应风险评分模块和邻域耦合影响模块的多模态履约评分模型，融合半结构化的响应速率与调节精度、非结构化的指令文本以及实体关系增强谱图计算调度履约风险评分，提升了虚拟电厂调度履约风险评分的多源信息融合能力和个体风险表征的准确性；

34、3、本发明提供了基于多源异构数据的虚拟电厂调度履约风险预警方法，采用lstm对各单元的调度履约风险评分进行时序分析并提取时序特征向量，基于实体关系增强谱图和图注意力机制计算调度偏差传播指数，并引入强化学习决策引擎动态优化分级预警动作，提升了风险传播效应的量化能力和预警决策对动态环境的适应能力。