工业负荷调控方法、装置、电子设备及存储介质与流程

摘要: 本申请涉及电力供需平衡,尤其涉及一种工业负荷调控方法、装置、电子设备及存储介质。背景技术:1、随着新型电力系统建设持续推进,新能源出力波动性、负荷峰谷差扩大以及...
工业负荷调控方法、装置、电子设备及存储介质与流程

本申请涉及电力供需平衡,尤其涉及一种工业负荷调控方法、装置、电子设备及存储介质。

背景技术:

1、随着新型电力系统建设持续推进,新能源出力波动性、负荷峰谷差扩大以及极端高温、寒潮等异常天气事件对电力供需平衡提出了更高要求。除传统发电侧调节资源外,钢铁、水泥、化工等重点工业企业因用电规模大、工艺环节多、部分生产过程具备缓冲调节能力,逐渐成为需求响应和负荷精细化调控中的重要可调节资源。

2、与居民、商业等一般负荷不同,重点工业负荷的用电行为并非简单由电价变化直接决定,而是受到生产工艺、设备运行边界、能源介质耦合关系以及订单排产计划等因素共同约束。以钢铁、水泥等流程工业为例,其内部通常存在煤气、蒸汽、电力、物料、中间半成品等多类介质和环节,不同工序之间具有明显的时序耦合和物理依赖关系。某一涉电设备的负荷调节,可能同时影响煤气柜存量、蒸汽平衡、料仓库存、生产节拍以及后续工序连续性。因此,工业负荷调控不仅需要考虑削峰填谷和经济收益,还必须满足设备爬坡率、功率上下限、缓冲池容量、工序连续性等底层物理安全约束。

3、在电网与工业用户互动过程中,电网侧通常根据系统供需形势、调峰缺口和需求响应资源状态发布补偿价格或调控需求,工业用户则结合自身生产状态和物理约束条件决定可响应容量及响应方式。该过程具有明显的主从决策特征,可抽象为“电网侧先发布调控激励或调度信号,工业用户侧再基于该信号形成响应策略”的主从博弈过程。

4、现有方法在处理工业负荷调控问题时,通常面临两类矛盾:一方面,工业过程存在复杂的多介质耦合和非线性约束,单纯依靠人工规则或传统优化模型难以兼顾实时性与模型精细度;另一方面,深度强化学习等数据驱动方法具备较强的策略学习能力,但若直接输出底层设备控制指令,容易出现动作空间维度过高、训练收敛困难以及探索动作违反物理安全边界等问题。因此,如何在保证工业设备和工艺过程物理安全的前提下,实现工业负荷的快速、可解释、可执行调控,是当前需求侧精细化调控领域需要解决的重要技术问题。

技术实现思路

1、有鉴于此,本申请的目的在于提出一种工业负荷调控方法、装置、电子设备及存储介质。

2、基于上述目的,本申请提供了一种工业负荷调控方法,用于对工业负荷与电网需求之间进行调控,方法包括:根据预设的电网侧智能体与用户侧智能体构建多智能体分层决策框架,通过电网侧智能体向决策框架发送调控信号,以使用户侧智能体生成调控意图。其中,电网侧智能体用于表示电网在不同外部条件下的发出的调控信号,用户侧智能体用于表示工业企业在电网调控信号下做出的调控反应。根据预设的安全约束集对调控意图进行映射,得到符合安全约束的执行指令。根据调控信号、调控意图与执行指令对预设的策略网络进行前向推理,对策略网络进行训练,得到训练网络。通过训练网络生成电网侧的调控动作与用户侧的宏观响应动作,根据调控动作与宏观响应动作对工业负荷进行调控。

3、本申请还提供了一种工业负荷调控装置,用于对工业负荷与电网需求之间进行调控,装置包括:决策模块,用于根据预设的电网侧智能体与用户侧智能体构建多智能体分层决策框架,通过电网侧智能体向决策框架发送调控信号,以使用户侧智能体生成调控意图。其中,电网侧智能体用于表示电网在不同外部条件下的发出的调控信号,用户侧智能体用于表示工业企业在电网调控信号下做出的调控反应。安全约束模块,用于根据预设的安全约束集对调控意图进行映射,得到符合安全约束的执行指令。训练模块,用于根据调控信号、调控意图与执行指令对预设的策略网络进行前向推理,对策略网络进行训练,得到训练网络。调控模块,用于通过训练网络生成电网侧的调控动作与用户侧的宏观响应动作,根据调控动作与宏观响应动作对工业负荷进行调控。

4、本申请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上述任意一项所述的方法。

5、本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行上述任一所述方法。

6、从上面所述可以看出,本申请提供的工业负荷调控方法,通过设置电网侧与用户侧智能体,将电网削峰填谷的调控动作抽象为调控信号,将工业用户对企业内部调控的整体结果抽象为调控意图,再通过安全约束集对调控意图进行映射后得到执行指令,从而在保证整体调控效果的前提下,避免单次调控指令越限导致的对工业用户企业内部造成设备冲击、缓冲池越界或生产连续性受影响的风险;通过设置智能体生成调控相关动作对策略网络进行训练,从而减少了策略网络需要直接探索的设备级动作组合,有助于提升策略学习效率和在线决策速度,再通过训练得到的训练网络对工业负荷进行调控,从而提高调控过程的一致性,避免多智能体系统直接对工业负荷调控导致的策略不稳定的问题。

1.一种工业负荷调控方法,其特征在于,用于对工业负荷与电网需求之间进行调控,所述方法包括:

2.根据权利要求1所述的工业负荷调控方法,其特征在于,其中,所述根据预设的电网侧智能体与用户侧智能体构建多智能体分层决策框架,通过所述电网侧智能体向所述决策框架发送调控信号,以使所述用户侧智能体生成调控意图,具体包括:

3.根据权利要求1所述的工业负荷调控方法,其特征在于,其中,所述根据预设的电网侧智能体与用户侧智能体构建多智能体分层决策框架,通过所述电网侧智能体向所述决策框架发送调控信号,以使所述用户侧智能体生成调控意图,具体包括:

4.根据权利要求1所述的工业负荷调控方法,其特征在于,其中,所述工业企业的调控对象包括至少一个涉电设备;

5.根据权利要求4所述的工业负荷调控方法,其特征在于,其中,所述工业企业的调控对象还包括至少一种半成品介质;所述安全约束集包括负荷平移约束、多介质平衡约束、缓冲池状态约束、设备功率上下限约束与设备功率爬坡率约束;

6.根据权利要求1所述的工业负荷调控方法,其特征在于,其中,所述策略网络包括电网侧网络与用户侧网络;

7.根据权利要求6所述的工业负荷调控方法,其特征在于,其中,所述策略网络还包括集中式价值网络;

8.一种工业负荷调控装置,其特征在于,用于对工业负荷与电网需求之间进行调控,所述装置包括:

9.根据权利要求8所述的工业负荷调控装置,其特征在于,其中,所述决策模块具体包括:

10.根据权利要求8所述的工业负荷调控装置,其特征在于,其中,所述决策模块具体包括:

11.根据权利要求8所述的工业负荷调控装置,其特征在于,其中,所述工业企业的调控对象包括至少一个涉电设备;

12.根据权利要求11所述的工业负荷调控装置,其特征在于,其中,所述工业企业的调控对象还包括至少一种半成品介质;所述安全约束集还包括负荷平移约束、多介质平衡约束、缓冲池状态约束、设备功率上下限约束与设备功率爬坡率约束;

13.根据权利要求8所述的工业负荷调控装置,其特征在于,其中,所述策略网络包括电网侧网络与用户侧网络;

14.根据权利要求13所述的工业负荷调控装置,其特征在于,其中,所述策略网络还包括集中式价值网络;

15.一种电子设备,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权利要求1至7任意一项所述的方法。

16.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1至7任一所述方法。