一种基于抽水蓄能电站的智能控制方法及系统与流程

摘要: 本发明涉及智能控制,具体为一种基于抽水蓄能电站的智能控制方法及系统。背景技术:1、随着高比例风电、光伏等可再生能源接入电力系统,电网的功率输出呈现强随机性、间歇...
一种基于抽水蓄能电站的智能控制方法及系统与流程

本发明涉及智能控制,具体为一种基于抽水蓄能电站的智能控制方法及系统。

背景技术:

1、随着高比例风电、光伏等可再生能源接入电力系统,电网的功率输出呈现强随机性、间歇性和快速波动性特征,供需平衡压力不断增大。传统依靠火电机组调节的方式已经难以满足高频波动的平抑需求,抽水蓄能电站作为具备快速响应能力的大型调节装置,成为电力系统灵活调节的重要支撑。然而,现有抽水蓄能调度方法大多依赖于固定阈值、线性规则或基于短周期平均值的启停机制,对新能源波动引发的快速反转、突变和高频往返波动的处理能力有限。当供需关系在短时频繁由溢出变为缺口或反向变化时,传统控制方法会导致抽蓄机组频繁启动、停机或切换运行模式,造成能耗增加、设备磨损加剧,甚至影响电网稳定性。

2、在高比例新能源运行场景下,电力系统的供电功率曲线、需求功率曲线与供需关系曲线呈现明显非线性、多尺度和耦合特征,依靠传统预测或简单阈值判断已无法准确识别未来供需趋势。

技术实现思路

1、鉴于上述存在的问题,提出了本发明。

2、因此,本发明解决的技术问题是:新能源强波动条件下供需趋势难预测和抽蓄电站频繁启停的问题。

3、为解决上述技术问题,本发明提供如下技术方案:一种基于抽水蓄能电站的智能控制方法,包括:

4、获取电网中的供电需求,以及风光场站的发电功率;

5、根据电网的供需关系,计算溢出功率和缺口功率,并基于所述供需关系的波动性关系,对所述溢出功率和缺口功率进行预测分析;

6、利用预测的溢出功率和缺口功率,对抽水蓄能电站生成控制信号,实现抽水蓄能电站的智能控制;

7、其中,所述预测分析是:通过在时域上,根据供需关系布局观测点,在每个观测点进行智能分析,并对不同观测点进行智能关联,实现对实时供需关系的预测。

8、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:将所述风光场站的发电功率作为供电功率,将电网的实时负荷需求作为供电的需求功率;

9、通过将供电功率减需求功率得到的所述供需关系,若所述供需关系为正值,则表示为溢出功率;若所述供需关系为负值,则表示为缺口功率。

10、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:所述波动性关系包括,将电网实时的供电功率、需求功率和供需关系,分别在以时间为横轴以功率为纵轴的二维坐标系中,构建三条曲线;

11、通过滑动时间窗口,在时间轴上进行滑动,计算每个时间窗口在每条曲线中的信息熵;在每个时间窗口中,选取信息熵的最大值作为当前时间窗口对于供需关系的波动性度量。

12、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:所述根据供需关系布局观测点包括,分别在三条曲线的每个时刻,将数据的数值和变化特征编码为特征向量;根据三条曲线在每个时刻的特征向量,按照预设的拼接顺序,拼接作为表征向量;

13、其中,表示第i个时刻的表征向量;表示第i个时刻,供电功率的特征向量;表示第i个时刻,需求功率的特征向量;表示第i个时刻,供需关系的特征向量;

14、通过预训练的智能体,保持每次分析的时间段相同,在时序上滑动捕获表征向量;所述智能体在滑动过程中,同步进行每个时刻的自身价值评估和组合价值评估,并根据两种价值的评估生成所述观测点;

15、其中,自身价值评估和组合价值评估,均基于预设的供需状态进行评估;所述供需状态是:分别将历史样本的三条曲线的特征向量序列作为对比特征,进行聚类,得到每种曲线下的每个聚类族,并分别对每个聚类族进行编号,生成o+e+r种供需状态;o表示供电功率-时间曲线的聚类族数量;e表示需求功率-时间曲线的聚类族数量;r表示供需关系-时间曲线的聚类族数量;

16、所述自身价值评估包括,对每个时刻的三种特征向量,分别基于贝叶斯网络,计算每个特征向量在对应不同供需状态种类下的概率分布;并通过计算同一概率分布下,不同供需状态种类对应概率之间的标准差,判断概率分布是否集中:若标准差低于预设值,则判定为当前特征向量无价值;反之,则判定最大概率减第二大概率的结果为特征向量的价值;

17、在每个时刻的三种特征向量中,筛选价值的最大值作为当前时刻的自身价值;并将具有自身价值的时刻,作为所述观测点;

18、所述组合价值评估包括,对每种特征向量,分别获取从时段起点到前一时刻的特征向量序列,作为对比序列;在聚类空间中,通过dtw滑动截取空间中每个元素对应序列的任意区间,计算对比序列与截取区间的相似度,并选择相似度的最大值作为对比序列与每个元素的相似度;

19、基于相似度在聚类空间中的分布情况,计算在所述对比序列中,增加当前时刻的特征向量前后,所述分布情况的聚拢程度的变化量,表示当前特征向量的边际效益;

20、在每个时刻的三种特征向量中,筛选所述边际效益的最大值作为当前时刻的所述组合价值;

21、并将所述组合价值高于预设阈值的时刻,作为所述观测点;

22、所述聚拢程度的计算包括:将对比序列与各聚类元素的相似度归一化为权重;基于各聚类元素在聚类空间中的位置与相似度权重,采用加权核密度估计算法,在相似度加权重心处,计算聚类空间中的加权密度值,将所述加权密度值作为相似度在聚类空间中的聚拢程度;使高相似度对应的聚类元素在空间位置上集中时,所述加权密度值大。

23、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:所述智能关联包括,在时序上,根据每个所述滑动时间窗口的波动性度量,通过线性转换函数转化为采样数量;按照所述采样数量,对所述滑动时间窗口内的表征向量进行随机采样,实现数据降维;

24、其中,在采样时,不对所述观测点进行采样;

25、将所述观测点的表征向量和随机采样得到表征向量,按照对应的时间戳进行排列,得到输入序列;其中,序列中每个表征向量均插入对应的时间戳;

26、对预训练的神经网络输入所述输入序列,输出三种特征向量在未来时刻预测结果。

27、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:所述控制信号包括,对下一时刻的基础控制信号和进阶控制信号;其中,进阶控制信号的优先级高于基础控制信号;

28、利用所述控制信号,对下一时刻的抽水蓄能电站进行控制;同时生成再下一时刻的所述控制信号;

29、所述基础控制信号包括,若所述供需关系表现为溢出功率,则进行储能;若所述供需关系表现为缺口功率,则进行发电。

30、作为本发明所述的基于抽水蓄能电站的智能控制方法的一种优选方案,其中:所述进阶控制信号包括,在未来所述供需关系不稳定的情况下,根据预设的判断依据,支持供需关系表现为溢出功率时进行发电:

31、在未来持续表现为溢出功率时,才允许切换至储能。

32、一种采用如本发明所述方法的基于抽水蓄能电站的智能控制系统,其中:采集单元,获取电网中的供电需求,以及风光场站的发电功率;

33、分析单元,根据电网的供需关系,计算溢出功率和缺口功率,并基于所述供需关系的波动性关系,对所述溢出功率和缺口功率进行预测分析;

34、控制单元,利用预测的溢出功率和缺口功率,对抽水蓄能电站生成控制信号,实现抽水蓄能电站的智能控制。

35、一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。

36、一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。

37、本发明的有益效果:通过构建供电功率、需求功率和供需关系的多曲线特征体系,引入滑动窗口信息熵分析,实现对供需波动性的实时捕获。通过将各时刻的数值特征与变化特征编码为特征向量,并在聚类空间中进行自身价值与组合价值评估,能够识别对未来供需趋势最敏感的观测点,使预测模型的输入数据具有更高的代表性与可靠性。本发明利用智能体在时间序列中的滑动分析,结合观测点与采样点的智能关联,使预测模型能够准确重构未来供需关系的演变趋势,显著提高预测精度。在控制层面,本发明提出基础控制信号与进阶控制信号的双层结构,当未来供需趋势稳定时可执行常规储能/发电切换,当趋势不稳定时则执行稳定性优先的对冲式调节策略,有效避免机组频繁启停。本发明显著提升了抽水蓄能电站在新能源高渗透率条件下的调节效率与设备寿命,同时增强电网的整体稳定性与安全性。