一种微能网调控方法、系统、设备和介质与流程

摘要: 本发明涉及微能网调控,具体涉及一种微能网调控方法、系统、设备和介质。背景技术:1、随着分布式能源、储能装置及柔性负荷在微能网中的广泛接入,微能网运行特征呈现多时...
一种微能网调控方法、系统、设备和介质与流程

本发明涉及微能网调控,具体涉及一种微能网调控方法、系统、设备和介质。

背景技术:

1、随着分布式能源、储能装置及柔性负荷在微能网中的广泛接入,微能网运行特征呈现多时间尺度交织、状态快速变化及不确定性显著增强的趋势。实际调控过程既受长周期负荷变化和能源供给趋势的影响,又面临设备状态波动和功率扰动,调控复杂性不断上升。在此背景下,如何在复杂运行环境中基于多时间尺度运行特征实现对微能网运行态势的有效感知、调控决策生成及控制指令执行,已成为微能网调控技术中的关键问题。

2、现有微能网调控方法难以在同一框架下同时刻画负荷需求的长周期趋势与短时波动特征,运行态势感知不完整。同时,微能网的运行预测结果未能在调控决策生成阶段形成有效约束,导致调控决策的执行结果偏离未来运行目标。此外,在控制执行阶段,预测结果与调控决策在设备执行层面的匹配性不足,难以结合设备物理约束对控制指令进行动态校准,影响微能网调控方法的实际效果。

技术实现思路

1、鉴于上述存在的问题,本发明提供一种微能网调控方法、系统、设备和介质。

2、因此,本发明解决的技术问题是:现有微能网调控方法难以同时刻画多时间尺度运行特征、预测结果无法有效约束调控决策、以及预测与控制执行间匹配性不足。

3、为解决上述技术问题,本发明提供如下技术方案:一种微能网调控方法,包括基于微能网的标准化数据集,构建多时间尺度的特征张量;

4、将所述特征张量输入多尺度预测特征生成模型,经四个并行分支提取多尺度特征后由自注意力融合,生成预测特征序列;所述四个分支分别采用一维卷积、时序卷积网络、双向长短期记忆网络和注意力机制;

5、将所述特征张量和所述预测特征序列输入预测约束决策生成模型,经运行状态特征与预测约束特征的双分支融合及门控调制,生成初始调控决策序列;

6、将所述预测特征序列和所述初始调控决策序列输入预测控制协同映射模型,经利用所述预测特征序列对所述初始调控决策序列进行修正和逻辑约束校验,生成最终调控决策序列。

7、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述将所述预测特征序列和所述初始调控决策序列输入预测控制协同映射模型,经利用所述预测特征序列对所述初始调控决策序列进行修正和逻辑约束校验,生成最终调控决策序列包括:

8、将所述预测特征序列映射为多个预测特征节点,将所述初始调控决策序列按各设备的控制参数索引分组映射为多个设备节点;

9、基于各所述预测特征节点与各所述设备节点构建异构图结构,通过多头图注意力机制对所述异构图结构中的节点进行特征更新,生成融合特征序列;

10、基于所述融合特征序列中对应各所述设备节点的特征生成调控修正权重,利用所述调控修正权重对所述初始调控决策序列进行修正,生成中间调控决策序列;

11、对所述中间调控决策序列进行逻辑约束校验,生成所述最终调控决策序列。

12、本优选技术方案的有益效果为:通过将预测特征序列映射为多个预测特征节点、将初始调控决策序列分组映射为多个设备节点,构建包含预测特征与设备控制变量的异构图结构,并利用多头图注意力机制进行节点间信息传播与特征更新,使预测趋势信息能够在设备层面形成精准的调控修正引导。在此基础上生成的调控修正权重对初始决策进行逐设备修正,实现了预测信息向控制指令的结构化映射,有效提升了预测结果与调控决策在设备执行层面的匹配性与协同性。

13、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述逻辑约束校验包括:

14、校验设备出力幅值约束,响应于任一预测时间步中任一设备的有功功率参数超出所述设备的有功功率阈值区间,将所述有功功率参数调整至所述阈值区间的边界值;

15、校验动作爬坡变化率,响应于相邻预测时间步的有功功率指令差值绝对值大于所述设备的最大爬坡变化率阈值,按所述最大爬坡变化率阈值对当前预测时间步的有功功率指令进行限幅回退;

16、校验功率平衡协同,基于各预测时间步的预测负荷与参与有功功率平衡的各设备的有功功率参数计算功率偏差,响应于所述功率偏差大于零,按各设备的向上剩余调节容量比例分配修正量,将所述修正量叠加至对应设备的当前有功功率参数上;响应于所述功率偏差小于零,按各设备的向下剩余调节容量比例分配修正量,将所述修正量叠加至对应设备的当前有功功率参数上。

17、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述将所述特征张量和所述预测特征序列输入预测约束决策生成模型,经运行状态特征与预测约束特征的双分支融合及门控调制,生成初始调控决策序列包括:

18、将所述特征张量输入运行状态特征处理分支,生成调控中间特征;

19、将所述预测特征序列输入预测约束映射分支,生成调控约束特征;

20、对所述调控中间特征和所述调控约束特征进行拼接后输入门控线性单元进行特征调制;

21、将调制后的特征输入actor网络进行策略映射,生成所述初始调控决策序列。

22、本优选技术方案的有益效果为:通过独立的运行状态特征处理分支和预测约束映射分支分别提取当前运行状态特征和未来趋势约束特征,并进行双分支融合与门控线性单元调制,使调控决策生成过程能够同时兼顾实时运行工况与未来运行趋势,实现了预测信息对调控决策的有效约束引导。相较于传统方法中预测与决策相互独立的模式,本方案显著降低了调控决策偏离未来运行目标的风险,提升了微能网调控决策在时序维度上的协调性与前瞻性。

23、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述将所述特征张量输入多尺度预测特征生成模型,经四个并行分支提取多尺度特征后由自注意力融合,生成预测特征序列包括:

24、将所述特征张量分别输入第一特征提取分支、第二特征提取分支、第三特征提取分支和第四特征提取分支进行并行处理,生成第一时序特征序列、第二时序特征序列、第三时序特征序列和第四时序特征序列;其中,所述第一特征提取分支采用一维卷积提取局部时序特征,所述第二特征提取分支采用时序卷积网络提取中尺度时序依赖特征,所述第三特征提取分支采用双向长短期记忆网络提取长尺度时序依赖特征,所述第四特征提取分支采用注意力机制提取全局时序依赖特征;

25、将所述第一时序特征序列、所述第二时序特征序列、所述第三时序特征序列和所述第四时序特征序列进行拼接后输入自注意力机制进行跨尺度融合,生成所述预测特征序列。

26、本优选技术方案的有益效果为:通过一维卷积、时序卷积网络、双向长短期记忆网络和注意力机制四个并行分支分别提取微能网运行数据的局部时序特征、中尺度时序依赖特征、长尺度时序依赖特征和全局时序依赖特征,实现了对短时波动、小时级变化和日级趋势的多维度协同刻画。进一步通过自注意力机制对四个分支的输出进行跨尺度融合,使预测特征序列能够综合反映不同时间尺度下的运行信息,显著提升了微能网运行态势感知的完整性和预测特征的表达能力。

27、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述基于微能网的标准化数据集,分别按时预设时长、天预设时长和周预设时长提取时序特征包括:

28、在所述标准化数据集的时间序列上,按预设的窗口长度和滑移步长进行分段截取与逐步滑移;

29、基于预设采样间隔,所述时预设时长对应的窗口长度为12个时间步,滑移步长为1个时间步;

30、所述天预设时长对应的窗口长度为288个时间步,滑移步长为1个时间步;

31、所述周预设时长对应的窗口长度为2016个时间步,滑移步长为1个时间步;

32、各窗口内保留全部时间步的标准化运行特征向量,分别生成短时运行序列、中时运行序列和长时运行序列。

33、作为本发明所述的一种微能网调控方法的一种优选方案,其中:所述标准化数据集的生成包括:

34、获取环境参数数据、分布式能源设备运行状态数据、通信链路状态数据和历史供需功率数据;

35、对所述环境参数数据进行平滑处理、标准化处理和异常值修正,生成第一标准化子数据集;

36、将所述分布式能源设备运行状态数据和所述通信链路状态数据按统一时间轴进行重采样与时间对齐,对重采样后缺失的数据进行缺失补全,分别归一化至统一数值区间,生成第二标准化子数据集和第三标准化子数据集;

37、将所述历史供需功率数据映射至所述统一时间轴,进行时间序列补齐与去噪处理,归一化至所述统一数值区间,生成第四标准化子数据集;

38、将所述第一标准化子数据集、所述第二标准化子数据集、所述第三标准化子数据集和所述第四标准化子数据集按所述统一时间轴的时间戳进行特征拼接,生成所述标准化数据集。

39、为解决上述技术问题,本发明还提供如下技术方案:一种微能网调控系统,包括特征构建模块,用于基于微能网的标准化数据集,构建多时间尺度的特征张量;

40、预测特征生成模块,用于将所述特征张量输入多尺度预测特征生成模型,经四个并行分支提取多尺度特征后由自注意力融合,生成预测特征序列;

41、预测约束决策生成模块,用于将所述特征张量和所述预测特征序列输入预测约束决策生成模型,经运行状态特征与预测约束特征的双分支融合及门控调制,生成初始调控决策序列;

42、预测控制协同映射模块,用于将所述预测特征序列和所述初始调控决策序列输入预测控制协同映射模型,经利用所述预测特征序列对所述初始调控决策序列进行修正和逻辑约束校验,生成最终调控决策序列。

43、本发明提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的一种微能网调控方法的步骤。

44、本发明提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种微能网调控方法的步骤。

45、本发明的有益效果:本发明通过多时间尺度特征张量构建,实现长周期趋势、中尺度关联与短时波动的协同刻画,提升运行态势感知完整性。通过预测特征序列的显式生成与双分支融合门控调制,使预测信息以约束形式嵌入决策过程,增强调控决策与未来运行趋势的一致性。通过预测控制协同映射与逻辑约束校验,实现调控决策向控制指令的动态修正与输出,提升预测结果与控制指令在设备执行层面的匹配性。整体上,本发明构建了“感知-预测-决策-执行”一体化的调控技术方案。