一种基于安全图的充电调度方法
本技术涉及电动汽车充电调度与电力-交通耦合系统优化控制,尤其涉及一种基于安全图的充电调度方法。
背景技术:
1、随着交通电气化战略的深入推进和车网互动(v2g,vehicle-to-grid)技术的快速发展,电动汽车正逐步由单一的交通工具转变为兼具灵活充放电能力的移动储能单元。大规模电动汽车接入配电网后,其充电时间、充电地点、行驶路径和充放电功率的随机性显著增强。若缺乏有效调度,将引发一系列连锁问题:局部配电网负荷峰值攀升、节点电压越限、支路潮流过载、充电站排队拥堵加剧、道路交通压力增大以及用户充电成本上升。上述问题表明,电动汽车的充放电行为与电力网络、交通网络之间形成了深度耦合关系,单一物理域的独立优化已无法满足系统整体运行要求,亟需在电力-交通耦合网络框架下实现路径规划、充电站选择与充放电功率控制的联合优化。
2、现有充电调度方法主要包括集中式数学优化、启发式算法和普通强化学习方法。集中式优化方法依赖精确模型和完整全局信息,在电动汽车规模增大、交通流动态变化、电价波动和新能源出力不确定的场景下,存在计算复杂度高、实时性不足和可扩展性差等问题。启发式算法规则简单,但难以同时兼顾配电网运行边界、道路通行能力、充电站服务容量、电池荷电状态和用户经济成本。普通强化学习方法虽能通过环境交互学习调度策略,但多数方法主要以经济收益或通行效率为目标,缺少对节点电压、支路电流、电池荷电状态、充放电功率、道路容量和充电站服务能力等安全约束的统一图结构刻画,难以提前感知安全风险在电力-交通耦合网络中的关联与传播。
技术实现思路
1、本技术实施例的主要目的在于提出一种基于安全图的充电调度方法、电子设备、存储介质及程序产品,通过构建安全图异质节点与异质边结构,引入多类型安全裕度指标和安全状态屏蔽因子,实现安全门控注意力权重的自适应计算与安全特征的有向聚合,从而为电力-交通耦合系统的安全态势感知与协同优化决策提供高质量的特征表示基础。
2、为实现上述目的,本技术实施例的一方面提出了一种基于安全图的充电调度方法,所述方法包括:
3、构建安全图,所述安全图包括异质节点和异质边;所述异质节点包括表征配电网节点的第一类节点、表征交通道路节点的第二类节点以及表征充电站节点的第三类节点;所述异质边包括表征电网线路连接关系的第一类边、表征道路拓扑连接关系的第二类边、表征充电站与道路关联关系的第三类边以及表征充电站与配电网节点电气接入关系的第四类边;
4、计算各所述异质节点的安全裕度,所述安全裕度包括所述第一类节点的电压安全裕度、所述第二类节点的通行能力安全裕度以及所述第三类节点的服务容量安全裕度;
5、根据目标节点与相邻节点各自的安全裕度,计算安全状态屏蔽因子,所述安全状态屏蔽因子用于表征相邻节点的安全状态对所述目标节点信息聚合的影响程度;
6、根据所述安全状态屏蔽因子,计算所述目标节点与所述相邻节点之间在预设安全关联传播路径下的安全门控注意力权重,所述安全门控注意力权重与所述目标节点的安全状态和所述相邻节点的安全状态正相关;
7、根据所述安全门控注意力权重,对所述相邻节点的特征进行加权聚合,得到所述目标节点的安全特征嵌入表示,并通过多头注意力机制融合得到最终的节点嵌入表示,用于实现充电调度。
8、在一些实施例中,所述方法还包括建立电力-交通耦合网络模型的步骤,所述电力-交通耦合网络模型包括:
9、配电网模型,用于描述配电网中的节点电压、支路潮流、发电出力、常规电力负荷以及充电站接入负荷;
10、交通网模型,用于描述交通网络中的道路拓扑连接关系、实时交通流量、道路通行时间以及充电排队时间;
11、充电站模型,用于描述充电站的地理位置分布及其服务容量边界;
12、电动汽车模型,用于描述电动汽车个体及群体的实时位置、电池荷电状态、路径选择决策及充放电功率行为;
13、碳排放流模型和局部边际电价模型,用于实时计算系统环境信息。
14、在一些实施例中,所述方法还包括构建部分可观测马尔科夫决策过程框架的步骤:
15、根据所述电力-交通耦合网络模型的物理规律与运行逻辑,确定系统状态变量集、动作变量集以及奖励函数,其中为系统中参与调度的电动汽车智能体总数;
16、局部观测状态表示为:
17、
18、其中,为道路通行时间,为充电排队时间,为电动汽车荷电状态,为配电网节点状态特征,为道路状态特征;
19、动作变量,其中为离散路径选择动作,为连续充放电功率比例控制系数。
20、在一些实施例中,所述配电网节点状态特征包含通过对抗生成网络预测得到的节点实时局部边际电价以及通过碳排放流计算得到的节点碳排放强度特征;
21、所述道路状态特征包含道路初始背景流量以及当前道路中受控电动汽车的动态聚合数量;
22、所述电动汽车智能体实际执行的充电功率与放电功率根据连续充放电功率比例控制系数及电池实时荷电状态按以下逻辑计算:
23、
24、
25、其中,为电池额定容量,为充放电能量转换效率,为电池安全运行允许的最小荷电状态下限。
26、在一些实施例中,所述方法还包括基于生成对抗网络的在线局部边际电价生成步骤:
27、获取历史局部边际电价序列及随机高斯噪声向量;
28、将所述历史局部边际电价序列和随机高斯噪声向量输入训练好的生成器,输出当前时刻各充电站对应配电网节点的实时局部边际电价;
29、其中,所述生成器与判别器通过以下对抗损失函数联合训练获得:
30、生成器损失函数:
31、
32、判别器损失函数:
33、
34、其中,为真实历史电价序列样本。
35、在一些实施例中,所述方法还包括构建多智能体近端策略优化深度神经网络的步骤:
36、所述多智能体近端策略优化深度神经网络包含共享特征层、离散路径选择动作头、连续充放电功率动作头和价值评价网络;
37、所述共享特征层的输入为所述安全图注意力编码器输出的节点嵌入表示以及电动汽车智能体的局部观测状态,其输出分别连接所述离散路径选择动作头、连续充放电功率动作头和价值评价网络。
38、在一些实施例中,所述多智能体近端策略优化深度神经网络的训练采用集中训练、分布式执行框架,所述多智能体近端策略优化深度神经网络中actor网络的策略裁剪目标函数为:
39、
40、其中,为新旧策略概率比,为优势函数,为策略裁剪阈值;
41、actor网络的综合优化目标函数为:
42、
43、其中,为价值评价网络的均方误差损失函数,为策略熵项,和为权重系数。
44、在一些实施例中,所述奖励函数采用分段函数形式:
45、定义用电与低碳成本奖励为:
46、
47、定义通行时间惩罚为:
48、
49、定义局部交通拥堵惩罚;
50、综合奖励函数通过权重因子对充电状态、放电状态、无效充放电动作状态及纯行驶状态进行加权求和。
51、在一些实施例中,所述电压安全裕度定义为配电网节点电压与其上下限偏差的最小值:
52、
53、所述通行能力安全裕度定义为道路剩余流量空间:
54、
55、所述服务容量安全裕度定义为充电站剩余可提供服务容量:
56、
57、其中,为电动汽车接入充电站的指示变量。
58、在一些实施例中,所述安全状态屏蔽因子的计算公式为:
59、
60、其中,为可学习的权重矩阵,和分别为目标节点与相邻节点的安全裕度,表示向量拼接操作;
61、所述安全门控注意力权重的计算公式为:
62、
63、其中,为安全关联传播路径,为注意力参数向量,为权重变换矩阵,、分别为节点、的特征向量,为节点的邻域节点集合;
64、所述目标节点的安全特征嵌入表示的计算公式为:
65、
66、其中,为激活函数;
67、所述最终的节点嵌入表示为:
68、
69、其中,为多头注意力机制的头数。
70、为实现上述目的,本技术实施例的另一方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上所述的方法。
71、为实现上述目的,本技术实施例的另一方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上所述的方法。
72、为实现上述目的,本技术实施例的另一方面提出了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上所述的方法。
73、本技术实施例至少包括以下有益效果:本技术提供一种基于安全图的充电调度方法、电子设备、存储介质及程序产品,该方案通过构建包含配电网节点、道路节点和充电站节点的异质安全图,并在此基础上计算各节点的电压安全裕度、通行能力安全裕度和服务容量安全裕度,进而根据节点间安全裕度生成安全状态屏蔽因子,以此屏蔽因子调制图注意力权重的计算,最终经多头注意力机制聚合得到融合跨域安全态势的节点嵌入表示;该方案使原本各自独立的电力、交通和充电设施状态在统一图结构下实现结构化关联,将物理安全边界显式嵌入特征提取过程,利用安全屏蔽因子实现低裕度邻域信息的主动抑制,从而在特征源头解决了多域耦合系统安全约束难统一、跨域风险难传播感知的技术难题,为后续调度决策提供了兼具物理可解释性和安全敏感性的高质量特征基础,能够在不依赖完整全局观测的条件下有效支撑电动汽车路径选择与充放电控制的分布式协同优化,实现安全风险的提前感知与主动规避,同时为系统运行经济性与安全性的综合平衡奠定数据基础。。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com