基于均值教师模型的主配微协同调控运行方法及装置与流程

摘要: 本技术涉及配电网,具体地涉及一种基于均值教师模型的主配微协同调控运行方法、一种基于均值教师模型的主配微协同调控运行装置、一种电子设备、存储介质以及计算机程序产品...
基于均值教师模型的主配微协同调控运行方法及装置与流程

本技术涉及配电网,具体地涉及一种基于均值教师模型的主配微协同调控运行方法、一种基于均值教师模型的主配微协同调控运行装置、一种电子设备、存储介质以及计算机程序产品。

背景技术:

1、随着分布式光伏、分散式风电、用户侧储能等资源的高比例渗透,电力系统从传统“集中式发电-单向输电”模式,彻底转向“分布式泛在接入-多级双向互动”的复杂形态,传统调控理论面临四大不可回避的核心挑战:1.层级时空尺度异质性挑战:主网聚焦中长期全局功率平衡与跨区域资源互济,配网聚焦短期区域协调与分布式资源消纳,微网聚焦超短期本地自治与快速响应,三个层级在时间尺度、空间耦合范围、调控目标上存在本质差异,传统集中式决策方法无法实现分层协同与全局最优的统一;2.要素运行特性耦合性挑战:源网荷储四要素具有截然不同的运行规律——电源出力的强间歇性、电网潮流的时空耦合性、负荷需求的时段波动性、储能状态的平稳连续性,且要素间的耦合关系随主配微层级变化呈现显著差异,传统同质化建模方法无法捕捉要素间的精细化耦合特性;3.标记数据稀缺性挑战:电力系统运行过程中产生了pb级的运行数据,但其中具备精准调控场景标记、物理合规性校验的高质量标记数据占比不足10%,海量未标记数据的价值无法被传统监督学习方法有效利用,导致模型泛化能力严重不足;4.决策物理合规性挑战:现有机器学习方法在电力调控场景的应用,普遍存在“重数据拟合、轻物理约束”的问题,模型输出的决策结果往往违背功率平衡、设备运行边界等电力系统基本物理规律,无法直接落地应用。

2、传统调控方法既无法适配主配微层级间时空尺度差异与源网荷储要素间耦合特性,也难以充分利用电力系统中海量未标记运行数据,导致决策精度与鲁棒性不足。

技术实现思路

1、本技术实施例的目的是提供一种基于均值教师模型的主配微协同调控运行方法及装置,通过均值教师模型的双网络协同架构,教师模型采用层级自适应ema算法,将三个分支拆分独立计算权重,学生模型采用要素-扰动双维度自适应学习率,适配不同要素波动与扰动场景。设计层级适配的强弱扰动训练方案,将不同性质扰动分离到对应分支学习,并构建多分支一致性约束,通过计算分支内与跨层级协同损失保障学习有效性,以至少解决背景技术中的部分问题。

2、为了实现上述目的,在本技术中提供了一种基于均值教师模型的主配微协同调控运行方法,包括:根据配电网系统的层级结构,在均值教师模型中为每一层级结构设置对应的层级分支;根据所述配电网系统不同层级结构的数据特点和均值教师模型中不同模型的扰度强度需求对训练数据进行扰动,将扰动后的训练数据输入均值教师模型中对应模型的对应分支,计算损失函数;根据所述损失函数得到学生模型的权重参数,根据学生模型的权重参数得到教师模型的各个层级分支的权重参数;重复以上步骤直至满足训练结束条件,得到训练后的均值教师模型;所述训练后的均值教师模型中的学生模型根据输入的主配微全层级真实运行数据基于所述层级分支分别输出针对不同层级结构的调控指令。

3、可选地,根据配电网系统的层级结构,在均值教师模型中为每一层级结构设置对应的层级分支,包括:将所述配电网系统划分为主网层级、配网层级和微网层级;所述均值教师模型中设置与所述主网层级对应的主网层级分支、与所述配网层级对应的配网层级分支和与所述微网层级对应的微网层级分支;每个层级分支内嵌入源网荷储四要素专属处理单元。

4、可选地,根据所述配电网系统不同层级结构的数据特点和均值教师模型中不同模型的扰度强度需求对训练数据进行扰动,包括:确定将被输入均值教师模型的训练数据的目标模型和目标层级分支;所述目标模型为均值教师模型中的教师模型或学生模型中的一者;根据所述目标模型确定扰度强度,教师模型对训练数据的扰度强度需求弱于学生模型对训练数据的扰度强度需求;并根据所述目标层级分支对应的层级结构的数据特点确定训练数据的扰动方式;根据所述扰动方式和扰动强度对输入均值教师模型中目标模型的目标层级分支的训练数据进行扰动。

5、可选地,根据所述目标层级分支对应的层级结构的数据特点确定训练数据的扰动方式,包括:根据所述层级结构的数据波动特点确定扰动性质;根据所述层级结构的调控特性、设备可调范围和/或实际波动极值确定扰动参数;根据所述扰动性质和扰动参数得到所述扰动方式。

6、可选地,根据所述层级结构的数据波动特点确定扰动性质,包括:若训练数据的目标模型为教师模型,对目标层级分支为主网层级分支的训练数据采用幅值扰动,对目标层级分支为配网层级分支的训练数据采用时序扰动,目标层级分支为微网层级分支的训练数据采用状态平滑扰动;若训练数据的目标模型为学生模型,对目标层级分支为主网层级分支的训练数据采用全局趋势类扰动,对目标层级分支为配网层级分支的训练数据采用区域波动类扰动,目标层级分支为微网层级分支的训练数据采用本地突变扰动。

7、可选地,计算损失函数,包括:分别计算分支内扰动一致性损失和跨层级协同一致性损失;根据所述分支内扰动一致性损失和跨层级协同一致性损失计算多分支一致性约束总损失;根据所述多分支一致性约束总损失确定所述均值教师模型的损失函数。

8、可选地,根据所述分支内扰动一致性损失和跨层级协同一致性损失计算多分支一致性约束总损失,包括:根据所述配电网系统的电网逻辑确定分支内扰动一致性损失和跨层级协同一致性损失的权重;根据确定的权重,计算分支内扰动一致性损失和跨层级协同一致性损失的加权和作为所述多分支一致性约束总损失。

9、可选地,根据所述损失函数得到学生模型的权重参数中所采用的参数包括学习率;所述学习率采用要素特性权重和扰动适配权重对基础学习率进行修正后得到。

10、可选地,根据学生模型的权重参数得到教师模型的各个层级分支的权重参数,包括:根据层级结构的运行差异化数据,分别计算各个层级分支的ema衰减系数;根据层级分支的ema衰减系数对应更新教师模型中层级分支的权重参数。

11、可选地,根据层级结构的运行差异化数据,分别计算各个层级分支的ema衰减系数,包括:获取ema衰减系数的取值范围;根据所述运行差异化数据中t时刻s层级分支源网荷储数据的平均变异系数与全局最大变异系数的比值、t时刻s层级分支的扰动强度系数与最大扰动强度的比值,在所述取值范围内确定t时刻s层级分支的ema衰减系数;所述s层级分支为主网层级分支、配网层级分支和微网层级分支中的一者。

12、可选地,在计算损失函数之前,所述方法还包括:均值教师模型中的教师模型根据扰动后的训练数据得到多个时间尺度的伪标签;均值教师模型中的学生模型根据扰动后的训练数据得到多视图伪标签;判断所述多个时间尺度的伪标签与所述多视图伪标签的对齐置信度是否不小于置信度阈值;若对齐置信度不小于置信度阈值,执行后续的计算损失函数的步骤;若对齐置信度小于置信度阈值,过滤该训练数据并不执行后续的计算损失函数的步骤。

13、可选地,多个时间尺度的伪标签与所述多视图伪标签的对齐置信度根据所述多个时间尺度的伪标签与所述多视图伪标签的余弦相似度进行确定;所述置信度阈值根据基准置信度阈值、要素实时变异系数、扰动强度系数和调节系数进行确定。

14、可选地,在得到主网调控指令、配网调控指令和微网调控指令之后,所述方法还包括:判断层级间调控指令的协同一致性;若所述协同一致性满足要求,则直接下发调控指令;若不满足,基于跨层级协同逻辑调整主网调控指令、配网调控指令和/或微网调控指令。

15、可选地,判断层级间调控指令的协同一致性,包括:将主配微全层级真实运行数据输入均值教师模型;均值教师模型中的教师模型根据主配微全层级真实运行数据得到多个时间尺度的伪标签;均值教师模型中的学生模型根据主配微全层级真实运行数据得到多视图伪标签;根据所述多个时间尺度的伪标签与所述多视图伪标签的对齐置信度是否不小于置信度阈值的判断结果确定层级间调控指令的协同一致性。

16、可选地,基于跨层级协同逻辑调整主网调控指令、配网调控指令和/或微网调控指令,包括:基于教师模型输出的多个时间尺度的伪标签与预测结果,将全网总调控目标拆解为每一层级结构的可执行子目标;基于所述可执行子目标调整主网调控指令、配网调控指令和/或微网调控指令。

17、在本技术中还提供了一种基于均值教师模型的主配微协同调控运行装置,所述装置包括:模型结构确定模块,用于根据配电网系统的层级结构,在均值教师模型中为每一层级结构设置对应的层级分支;数据扰动输入模块,用于根据所述配电网系统不同层级结构的数据特点和均值教师模型中不同模型的扰度强度需求对训练数据进行扰动,将扰动后的训练数据输入均值教师模型中对应模型的对应分支,计算损失函数;权重参数更新模块,用于根据所述损失函数得到学生模型的权重参数,根据学生模型的权重参数得到教师模型的各个层级分支的权重参数;以及模型运行部署模块,用于重复以上步骤直至满足训练结束条件,得到训练后的均值教师模型;所述训练后的均值教师模型中的学生模型根据输入的主配微全层级真实运行数据基于所述层级分支分别输出针对不同层级结构的调控指令。

18、在本技术中还提供了一种电子设备,包括:至少一个处理器;存储器,与所述至少一个处理器连接;其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现前述的基于均值教师模型的主配微协同调控运行方法。

19、在本技术中还提供了一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行实现前述的基于均值教师模型的主配微协同调控运行方法。

20、在本技术中还提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现前述的基于均值教师模型的主配微协同调控运行方法。

21、上述技术方案具有以下有益效果:

22、(1)创新提出“层级-要素-扰动”三维度均值教师模型原创性架构,实现主配微层级特性、源网荷储要素规律、多级扰动机制的深度融合,从解决传统模型的适配性问题;

23、(2)创新提出扰动感知的层级与要素双维度自适应参数更新机制,能够适配主网慢变、微网快变的时间尺度差异,以及不同要素的波动特性与扰动强度变化,提升了模型的收敛性与鲁棒性。

24、本技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。