一种电网的资源调控方法、装置、介质及设备与流程

摘要: 本发明涉及资源调控领域,尤其涉及一种电网的资源调控方法、装置、介质及设备。背景技术:1、随着高比例可再生能源接入新型电力系统,源荷双侧不确定性显著增强,电力系统...
一种电网的资源调控方法、装置、介质及设备与流程

本发明涉及资源调控领域,尤其涉及一种电网的资源调控方法、装置、介质及设备。

背景技术:

1、随着高比例可再生能源接入新型电力系统,源荷双侧不确定性显著增强,电力系统对灵活性调节资源的需求日益迫切。围绕负荷侧灵活性资源的调控问题,现有技术主要从需求响应调控、负荷建模、资源聚合以及市场交易等方向展开研究,在削峰填谷、波动平抑等方面取得了一定成效。

2、然而,现有技术仍存在以下不足:第一,调节需求刻画粗糙,通常将净负荷波动整体视为单一调节目标,难以区分快速爬坡、波动平抑、削峰填谷、断面潮流安全和电压无功支撑等不同物理目标,导致需求与资源能力错配。第二,负荷侧资源类型复杂,缺少与需求特征一一对应的统一能力量化标准,难以实现跨类型资源的可计算比较。第三,现有匹配多为一次性静态匹配,无法随新能源出力、负荷变化和资源可用状态实时更新,容易产生匹配滞后和残余需求未响应等问题。第四,调控指令下发后缺乏基于执行反馈的滚动闭环修正,难以持续保证调节目标满足和电网安全运行。这些不足导致现有技术无法准确高效地对电网的资源进行调控。

技术实现思路

1、本发明提供了一种电网的资源调控方法、装置、介质及设备,以解决现有技术中无法准确高效地对电网的资源进行调控的问题。

2、第一方面,本技术提供了一种电网的资源调控方法,包括:

3、获取电网预处理后的时空数据集;

4、将所述时空数据集输入至预设的解耦模型,以输出对应不同时间尺度的各分量,根据各分量分别计算各类预设的调节需求的量化指标,并将各量化指标组合为需求标签向量集;所述各分量包括高频瞬时分量、中频波动分量和低频趋势分量;

5、获取负荷侧资源状态数据,计算各资源的可调容量、响应速度、可调能量和空间约束信息,将计算结果组合为与各需求标签向量维度对齐的能力向量集;

6、对预设时间窗口的需求标签向量集和能力向量集进行约束筛选,得到候选资源集合;

7、根据所述需求标签向量集,为所述候选资源集合中各资源分配动态权重,计算每个候选资源与每个需求之间的加权匹配度;

8、以所述加权匹配度为优化参数,对所述候选资源集合进行组合优化求解,得到电网资源的调控指令。

9、本技术通过多分辨率分析将时空数据集中的净负荷信号按频率分解为对应不同时间尺度的分量,使原本耦合叠加的快速爬坡、波动平抑、削峰填谷等调节需求得以分离,并据此构建标准化的需求标签向量,从而克服了传统方法将净负荷整体视为单一需求而导致的需求与资源错配问题;同步将异构负荷侧资源的多维调节能力量化为与需求标签向量维度对齐的能力向量,使分散的负荷资源能够在统一的量化框架下进行可计算比较;在此基础上,通过在滚动时域窗口内对需求标签向量和能力向量进行约束筛选并分配动态权重计算加权匹配度,使匹配结果能够跟随新能源出力、负荷变化和资源可用状态的实时更新而动态调整,有效消除了静态匹配带来的滞后与残余需求未响应问题;进一步以加权匹配度为优化参数对候选资源集合进行组合优化求解,在兼顾需求满足度和调控成本的同时输出最优分配方案,随后通过采集实际响应功率计算残余需求并反馈至下一窗口触发新一轮优化,形成“匹配-执行-反馈-修正”的闭环调控机制,使得调节需求与负荷侧资源在持续滚动中实现精准匹配,显著提升了电网运行的安全性和经济性。本技术有效解决了现有技术无法准确高效地对电网的资源进行调控的问题。

10、进一步的,所述对所述候选资源集合进行组合优化求解,得到电网资源的调控指令之后,还包括:

11、采集各资源在所述调控指令下发后的实际响应功率;

12、根据各资源的实际响应功率与所述调控指令中对应资源的目标功率之间的差值,计算各资源的执行偏差;

13、根据各需求所对应的各资源的实际响应功率,计算各需求实际获得的功率,并将各需求的原始调节容量减去所述实际获得的功率,得到各需求的残余需求;

14、根据各需求的残余需求,对预设的下一时间窗口的需求标签向量进行更新,得到更新后的需求标签向量;并根据各资源的执行偏差更新各资源的可用容量与可用状态,得到更新后的能力向量;

15、将更新后的需求标签向量和能力向量输入至预设的下一时间窗口,触发新一轮的约束筛选与组合优化求解。

16、本技术通过在调控指令下发后采集各资源的实际响应功率并与最优分配方案进行比对,计算得到各资源的执行偏差,进而归集至需求层面得到各需求的残余需求,使下一滚动时域窗口的需求标签向量不仅包含新周期内由多分辨率分析重新计算得到的调节需求,还叠加了上一周期未满足的残余需求,同时根据执行偏差同步更新各资源的可用容量与可用状态,使得下一轮优化能够在充分感知上一轮执行偏差的基础上进行修正性调配,形成“匹配—执行—反馈—修正”的闭环调控链条,从而克服了传统开环匹配模式中执行偏差持续累积、残余需求无法追溯的问题,使调节需求与资源能力在滚动迭代中持续逼近最优匹配状态,显著提升了电网在复杂运行条件下的调控精度和长期稳定性。

17、进一步的,所述获取电网预处理后的时空数据集,具体为:

18、从电网中预设的数据采集接口获取原始运行数据,所述原始运行数据包括电网运行状态数据、用户侧负荷与用电行为数据以及电网的网络结构与节点连接关系数据;

19、对所述原始运行数据进行时间对齐处理和归一化处理,得到初步处理后的原始运行数据;

20、对初步处理后的原始运行数据进行异常值剔除和缺失值插值补全,得到预处理后的时空数据集。

21、本技术通过从电网的多源数据采集接口获取原始运行数据,并对这些来源不同、时间粒度各异且包含异常值和缺失值的原始数据进行时间对齐、归一化、异常值剔除和缺失值插值补全的预处理,消除了多源数据之间的时序错位、量纲差异和数据质量问题,使原本杂乱分散的电网运行状态数据、用户侧负荷数据及网络结构数据融合为具有统一时间分辨率和一致数值尺度的时空数据集,为后续多分辨率分解中的小波变换提供了准确的数值基础和时间坐标基准,避免了因数据时序不匹配或量纲不一致导致的分解结果畸变和需求误判,确保了调节需求解耦与资源匹配的全流程计算建立在可靠的数据基础之上。

22、进一步的,所述将所述时空数据集输入至预设的解耦模型,以输出对应不同时间尺度的各分量,具体为:

23、从所述时空数据集中提取净负荷序列;

24、根据预设的分解层数,采用daubechies 4阶小波基函数对所述净负荷序列进行多层分解,得到高频瞬时分量、中频波动分量和低频趋势分量;

25、其中,所述分解层数是根据净负荷序列的采样频率与各类调节需求的物理目标所对应的特征频率范围确定的;

26、所述高频瞬时分量反映秒级快速扰动,所述中频波动分量反映分钟级功率波动,所述低频趋势分量反映小时级或日前级的负荷变化趋势。

27、本技术通过从时空数据集中提取净负荷序列,并根据采样频率与各类调节需求的物理目标所对应的特征频率范围确定分解层数,采用daubechies 4阶小波基函数对所述净负荷序列进行多层分解,得到高频瞬时分量、中频波动分量和低频趋势分量,分别对应秒级快速扰动、分钟级功率波动和小时级或日前级负荷变化趋势,使原本耦合叠加在同一净负荷信号中的快速爬坡需求、波动平抑需求和削峰填谷需求被物理可解释地分离至不同的频率通道中,为后续各类调节需求的独立量化提供了隔离了不同物理来源的精准数据基础,有效避免了传统方法将净负荷整体视为单一同质需求而导致的量化误差和需求误判,显著提升了调节需求识别的精细度和物理可解释性。

28、进一步的,所述获取负荷侧资源状态数据,计算各资源的可调容量、响应速度、可调能量和空间约束信息,将计算结果组合为与各需求标签向量维度对齐的能力向量集,具体为:

29、从各资源的设备注册信息、实时量测数据和用户申报数据中获取负荷侧资源状态数据;所述负荷侧资源状态数据包括各资源的基准功率、允许调节上限、单位时间内的功率调节量、最大连续调节时长和接入节点信息;

30、根据各资源的基准功率和允许调节上限,计算各资源的可调容量;

31、根据各资源在单位时间内的功率调节量,计算各资源的响应速度;

32、根据各资源的可调容量和最大连续调节时长,计算各资源的可调能量;

33、根据各资源的接入节点信息和对电网关键输电断面的潮流灵敏度,确定各资源的空间约束信息;

34、将各资源的可调容量、响应速度、可调能量、空间约束信息以及可参与调节的时间尺度范围组合为与各需求标签向量维度对齐的能力向量集。

35、本技术通过从各资源的设备注册信息、实时量测数据和用户申报数据中获取基准功率、允许调节上限、单位时间功率调节量、最大连续调节时长和接入节点信息,据此分别计算各资源的可调容量、响应速度、可调能量和空间约束信息,将计算结果组合为与各需求标签向量维度对齐的能力向量集,使分散的异构负荷资源能够在统一的量化框架下进行跨类型可计算比较,同时由于能力向量与需求标签向量在容量、速度、能量、空间、时间尺度五个维度上一一对应,为后续约束筛选和匹配度计算提供了字段对齐的输入基础,避免了因资源类型差异导致的评价标准不统一和匹配依据缺失的问题,显著提升了异构资源参与电网调节时可量化管理的水平。

36、进一步的,所述对预设时间窗口的需求标签向量集和能力向量集进行约束筛选,得到候选资源集合,具体为:

37、获取预设时间窗口对应的需求标签向量集和能力向量集;

38、对于预设时间窗口内的需求标签向量集中的任一项需求标签向量,从该需求的需求标签向量中提取时间尺度,从该资源的能力向量中提取可参与调节的时间尺度范围,判定该可参与调节的时间尺度范围是否覆盖该需求的时间尺度,若不覆盖则剔除该资源;

39、从该需求的需求标签向量中提取调节容量,从该资源的能力向量中提取可调容量,判定该可调容量是否大于或等于该需求的调节容量,若小于则剔除该资源;

40、从该需求的需求标签向量中提取响应速度,从该资源的能力向量中提取响应速度,判定该资源的响应速度是否大于或等于该需求的响应速度,若小于则剔除该资源;

41、从该需求的需求标签向量中提取能量需求,从该资源的能力向量中提取可调能量,判定该可调能量是否大于或等于该需求的能量需求,若小于则剔除该资源;

42、从该需求的需求标签向量中提取空间约束标识,从该资源的能力向量中提取空间约束信息,判定该空间约束信息是否与该需求的空间约束标识匹配,若不匹配则剔除该资源;

43、将经过全部判定后未被剔除的各资源作为该需求对应的候选资源,汇总各项需求的候选资源得到候选资源集合。

44、本技术通过在当前时间窗口内获取需求标签向量集和能力向量集后,对每项需求逐一遍历各资源,分别从需求标签向量中提取时间尺度、调节容量、响应速度、能量需求和空间约束标识作为约束条件,从能力向量中提取对应资源的可参与调节的时间尺度范围、可调容量、响应速度、可调能量和空间约束信息作为待判定参数,依次判定资源的各项能力是否满足需求的各项硬性约束,将任一维度不满足条件的资源剔除,只有全部五项约束同时满足的资源才被保留为该需求对应的候选资源并汇总为候选资源集合,使进入后续匹配度计算和优化求解环节的资源在物理上已具备响应对应需求的基本条件,避免了在优化阶段因资源能力不足而导致求解失败或输出不可行方案的问题,显著提升了优化求解的成功率和输出方案的可执行性。

45、进一步的,所述根据所述需求标签向量集,为所述候选资源集合中各资源分配动态权重,计算每个候选资源与每个需求之间的加权匹配度,具体为:

46、根据各需求标签向量中的物理目标类型,从预设的权重表中分别读取各需求标签向量中各需求对应的权重向量;所述权重向量包含容量权重、速度权重、能量权重、空间权重和时间尺度权重;

47、当同一预设时间窗口内存在多个需求时,按各需求的紧迫度系数对各需求对应的权重向量进行加权平均计算,得到综合权重向量;

48、对于候选资源集合中的每个资源与每个需求,计算该资源的可调容量与该需求的调节容量之间的容量归一化偏差;

49、计算该资源的响应速度与该需求的响应速度之间的速度归一化偏差;

50、计算该资源的可调能量与该需求的能量需求之间的能量归一化偏差;

51、计算该资源的空间约束信息与该需求的空间约束标识之间的空间归一化偏差;

52、计算该资源的可参与调节的时间尺度范围与该需求的时间尺度之间的时间尺度归一化偏差;

53、根据所述综合权重向量中的容量权重、速度权重、能量权重、空间权重和时间尺度权重,分别乘以对应的容量归一化偏差、速度归一化偏差、能量归一化偏差、空间归一化偏差和时间尺度归一化偏差,将各乘积相加,得到该资源与该需求之间的加权匹配度。

54、本技术通过根据各需求标签向量中的物理目标类型确定各需求的类型标识,并从预设的权重表中读取各类型对应的权重向量,使得权重配置随需求类型的不同而自适应变化——快速爬坡需求侧重速度权重,削峰需求侧重容量和能量权重,断面需求侧重空间权重,电压支撑需求侧重空间和容量权重,从而避免采用固定权重导致不同类型需求的评价标准错位;进一步地,当同一窗口内存在多个需求时,按各需求的紧迫度系数对各权重向量进行加权平均得到综合权重向量,确保紧迫度更高的需求在匹配度评价中占有更大权重;在此基础上,对于候选资源集合中每个资源与每个需求的配对,分别计算容量、速度、能量、空间和时间尺度五个维度的归一化偏差,并用综合权重向量中的对应权重对五个偏差分别加权后求和,得到该资源与该需求之间的匹配度,使匹配度能够综合反映各维度能力与需求之间的整体适配程度,且各维度的贡献度随需求类型和紧迫度动态调整,从而为后续组合优化求解提供了精准的资源偏好排序依据,显著提升了匹配结果与电网实际调节需求之间的一致性。

55、第二方面,本技术提供了一种电网的资源调控装置。所述电网的资源调控装置包括:

56、获取模块,用于获取电网预处理后的时空数据集;

57、解耦模块,用于将所述时空数据集输入至预设的解耦模型,以输出对应不同时间尺度的各分量,根据各分量分别计算各类预设的调节需求的量化指标,并将各量化指标组合为需求标签向量集;所述各分量包括高频瞬时分量、中频波动分量和低频趋势分量;

58、量化模块,用于获取负荷侧资源状态数据,计算各资源的可调容量、响应速度、可调能量和空间约束信息,将计算结果组合为与各需求标签向量维度对齐的能力向量集;

59、筛选模块,用于对预设时间窗口的需求标签向量集和能力向量集进行约束筛选,得到候选资源集合;

60、计算模块,用于根据所述需求标签向量集,为所述候选资源集合中各资源分配动态权重,计算每个候选资源与每个需求之间的加权匹配度;

61、调控模块,用于以所述加权匹配度为优化参数,对所述候选资源集合进行组合优化求解,得到电网资源的调控指令。

62、本技术通过获取模块获取预处理后的时空数据集,为后续解耦提供了标准化的数据基础;通过解耦模块将时空数据集输入解耦模型输出对应不同时间尺度的各分量并据此计算各类调节需求的量化指标,组合为需求标签向量集,使原本耦合叠加的调节需求被分离为可独立量化的标准化标签;同步通过量化模块获取负荷侧资源状态数据并计算各资源的可调容量、响应速度、可调能量和空间约束信息,组合为与需求标签向量维度对齐的能力向量集,使异构资源能够在统一的量化框架下进行可计算比较;通过筛选模块在时间窗口内对需求标签向量集和能力向量集进行五维约束筛选,剔除不满足硬性约束的资源,得到候选资源集合,确保进入后续环节的资源在物理上已具备响应对应需求的基本条件;通过计算模块根据需求的紧急程度和目标类型为候选资源分配动态权重并计算每个资源与每个需求之间的加权匹配度,使匹配结果随需求类型和紧迫度的不同而自适应调整;通过调控模块以加权匹配度为优化参数进行组合优化求解并输出调控指令,各模块依次衔接、数据逐级流转,使整个装置从数据输入到指令输出形成完整的自动化处理链路,实现了电网资源调控过程中需求解耦、资源量化、硬性筛选、软性匹配和优化决策的全流程贯通,显著提升了电网资源调控的系统化运行效率和决策精准度。

63、第三方面,本技术提供了一种可读存储介质,所述可读存储介质包括存储的程序,其中,在所述程序运行时控制所述可读存储介质所在设备执行如所述的一种电网的资源调控方法。其有益效果与本技术中第一方面提供的一种电网的资源调控方法相同。

64、第四方面,本技术提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的程序,所述处理器执行所述程序时实现如第一方面所述的任意一种电网的资源调控方法。