面向新能源集群并网的智能调控与均衡优化方法及系统与流程

本发明属于电力系统智能调度与多智能体协同控制，尤其涉及一种面向新能源集群并网的智能调控与均衡优化方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着新型电力系统建设的持续推进，风电、光伏等新能源发电单元规模化并网，新能源主体已由传统被动式发电设备转变为具备自主调控能力的智能化可控集群。在电力系统实时调度场景中，各新能源集群需根据自身可调出力、全网负荷需求、合规运行边界及邻域集群行为，动态优化并网功率分配策略。受气象条件影响，风光出力呈现强波动性与时序不确定性，集群间形成复杂的动态耦合关系。风光资源虽具有时空互补特性，多集群协同可平抑功率波动，但各集群存在独立运行约束与差异化目标，传统单主体静态优化无法求解，亟需多主体动态交互与时序演化的精细化调控手段。

3、为保障系统安全运行，现有调度体系设置了标准化数据合规边界以抑制异常调控输出。然而，在缺乏完善的动态边界校正机制时，新能源易持续生成超限数据，造成并网功率偏离允许区间，长期运行将引发调度指令频繁修正、弃电率攀升、功率过度集中等问题，严重影响系统稳定性。同时，新能源并网具备典型的马尔可夫时序演化特征，当前调控动作通过历史状态与功率分布影响后续周期，传统静态优化无法刻画此类动态反馈，难以满足高波动电网调控需求。

4、现有调控方法主要分为三类。规则控制基于固定阈值生成指令，实现简单但无法适应随机波动与多集群耦合，自适应能力差。静态建模可量化集群间功率交互，但割裂了时段时序关联，忽略历史策略对长期稳定性的传导效应，无法匹配动态演化特性。多智能体强化学习具备动态自适应能力，但现有方案仅在输出阶段进行后置截断校正，未将数据合规约束、协同消纳激励与功率均衡控制深度嵌入训练全过程，导致迭代中持续产生越界控制量，消纳稳定性与策略鲁棒性不足。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种面向新能源集群并网的智能调控与均衡优化方法及系统，旨在解决现有技术难以同时兼顾数据合规约束、多集群协同消纳、时序动态反馈与功率均衡控制的一体化融合问题，克服调控数据合规性差、新能源消纳不均衡、电网运行稳定性弱及智能策略收敛效果不佳的技术缺陷。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种面向新能源集群并网的智能调控与均衡优化方法；

4、面向新能源集群并网的智能调控与均衡优化方法，包括：

5、获取新能源集群集合以及电网调度数据，构建系统全局状态和各新能源集群的局部观测；

6、根据运行数据上下限边界、上层协调变量和下层集群动作空间，建立分层时序电力系统状态演化模型，为多集群协同决策提供状态转移框架；

7、各新能源集群根据局部观测，通过actor策略网络输出意图控制量，并通过张量区间投影校正将所述意图控制量投影为满足运行数据上下限边界和上报比例约束的执行控制量；

8、根据多个新能源集群的联合执行控制量、电网负荷需求、可用出力和上层协调变量完成调度分配计算，得到并网电量、并网功率、功率分布和各集群即时控制性能指标；

9、根据意图控制量偏离合法区间的程度构造梯度约束矫正损失，根据并网功率集中度构造功率均衡调控损失；

10、在集中训练与分散执行框架下更新actor网络和critic网络参数，输出各新能源集群的并网协同控制策略。

11、作为进一步的技术方案，获取新能源集群集合以及电网调度数据，构建系统全局状态和各新能源集群的局部观测，包括：

12、获取参与电网调度控制的新能源集群集合以及离散调度时段集合；

13、获取每个调度时段各新能源集群的可用出力、电网负荷需求、运行数据下限边界和运行数据上限边界，以及上一时段的历史并网电量、历史功率分布份额和上层调度协调变量，构建系统全局状态：

14、

15、其中，表示系统全局状态，表示各新能源集群在时段的可用出力，表示电网负荷需求，表示时段各新能源集群执行并网功率的下限边界集合，表示对应的上限边界集合，且对任一集群均满足，表示上一时段并网电量，表示上一时段功率分布，表示上一时段上层协调变量；

16、并为每个新能源集群构建局部观测：

17、

18、其中，表示局部观测，表示第i个集群在时段的可用出力；表示第i个集群在上一时段并网电量；表示第i个集群在上一时段功率分布。

19、作为进一步的技术方案，根据运行数据上下限边界、上层协调变量和下层集群动作空间，建立分层时序电力系统状态演化模型，为多集群协同决策提供状态转移框架，包括：

20、将新能源多集群并网控制过程建模为由外生系统约束层、上层调度协调层和下层新能源集群构成的分层时序系统演化模型；

21、构建状态转移关系，由当前状态、上层协调变量和下层联合执行控制量决定下一时段系统状态。

22、作为进一步的技术方案，各新能源集群根据局部观测，通过actor策略网络输出意图控制量，并通过张量区间投影校正将所述意图控制量投影为满足运行数据上下限边界和上报比例约束的执行控制量，具体包括：

23、各新能源集群将自身局部观测输入actor策略网络，映射生成意图控制量，所述意图控制量包含意图并网功率和意图上报比例；

24、对所述意图控制量执行张量区间投影校正，通过下限取最大、上限取最小的区间投影运算，得到实际参与调度分配的执行控制量和执行上报比例；

25、根据所述执行上报比例与可用出力的乘积计算各集群上报并网功率，将所述上报并网功率与投影校正后得到的执行并网功率指令进行比较，得到候选并网功率；

26、将各新能源集群的执行并网功率指令、执行上报比例、上报并网功率和候选并网功率汇集形成联合调度，用于后续调度分配计算。

27、作为进一步的技术方案，根据多个新能源集群的联合执行控制量、电网负荷需求、可用出力和上层协调变量完成调度分配计算，得到并网电量、并网功率、功率分布和各集群即时控制性能指标，包括：

28、接收所有新能源集群的联合执行控制量，根据并网功率大小确定并网优先级并对各集群进行排序；

29、对各新能源集群，根据并网功率与并网电量确定并网控制性能指标，反映该集群对电网供需平衡的贡献度；

30、根据各集群的单位并网电量损耗系数与并网电量的乘积计算系统运行损耗；根据各集群在并网协同中的贡献权重，计算协同效益分配系数；基于意图控制量定义数据越界程度，构造数据越界惩罚项；

31、基于并网控制性能指标、系统运行损耗、并网协同效益、数据越界惩罚项、功率均衡调控项，得到各集群的阶段控制性能指标。

32、作为进一步的技术方案，所述梯度约束矫正损失为：

33、

34、其中，为梯度约束矫正损失；表示集群在时段的意图控制量违规程度；为训练批次；

35、所述功率均衡调控损失为：

36、

37、其中，为功率均衡调控损失；为第个新能源集群在时段的实际并网功率份额相对同期平均功率份额的平方偏差。

38、作为进一步的技术方案，在集中训练与分散执行框架下更新actor网络和critic网络参数，输出各新能源集群的并网协同控制策略，包括：

39、采用集中训练与分散执行框架，在训练阶段，critic网络利用全局状态对各集群进行价值评估，辅助多集群联合优化；在执行阶段，各集群仅依赖自身局部观测独立生成控制量，满足分布式控制要求。

40、训练过程中，基于控制奖励和状态价值估计计算时序差分残差，并采用广义优势估计计算优势函数；

41、critic网络以系统回报目标与价值估计的均方误差进行更新；actor网络以ppo裁剪目标为基础，融合熵正则项、梯度约束矫正损失和功率均衡调控损失构成综合目标进行策略更新；

42、通过迭代直至达到最大训练回合数或满足收敛条件，输出各集群训练后的协同控制策略。

43、本发明第二方面提供了一种面向新能源集群并网的智能调控与均衡优化系统。

44、面向新能源集群并网的智能调控与均衡优化系统，包括：

45、数据输入模块，被配置为：获取新能源集群集合以及电网调度数据，构建系统全局状态和各新能源集群的局部观测；

46、演化建模模块，被配置为：根据运行数据上下限边界、上层协调变量和下层集群动作空间，建立分层时序电力系统状态演化模型，为多集群协同决策提供状态转移框架；

47、张量投影校正模块，被配置为：各新能源集群根据局部观测，通过actor策略网络输出意图控制量，并通过张量区间投影校正将所述意图控制量投影为满足运行数据上下限边界和上报比例约束的执行控制量；

48、调度分配计算模块，被配置为：根据多个新能源集群的联合执行控制量、电网负荷需求、可用出力和上层协调变量完成调度分配计算，得到并网电量、并网功率、功率分布和各集群即时控制性能指标；

49、梯度约束与功率均衡模块，被配置为：根据意图控制量偏离合法区间的程度构造梯度约束矫正损失，根据并网功率集中度构造功率均衡调控损失；

50、协同控制训练及策略输出模块，被配置为：在集中训练与分散执行框架下更新actor网络和critic网络参数，输出各新能源集群的并网协同控制策略。

51、本发明第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的面向新能源集群并网的智能调控与均衡优化方法中的步骤。

52、本发明第四方面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程序，所述处理器执行所述程序时实现如本发明第一方面所述的面向新能源集群并网的智能调控与均衡优化方法中的步骤。

53、以上一个或多个技术方案存在以下有益效果：

54、（1）本发明构建了分层时序电力系统状态演化模型，同步纳入系统约束层、上层调度协调单元与下层多类新能源集群，实现了控制数据合规边界约束、多集群并网协同消纳激励、多主体功率协同交互、马尔可夫时序系统状态反馈四类机制的耦合建模，打破了传统模型仅能单一刻画功率交互或静态时序的建模局限性，完整刻画了电网动态功率波动与新能源出力随机演化的客观物理规律，大幅提升了高波动新能源电网时序状态刻画的完整性与精准度。

55、（2）本发明区分神经网络原生输出的待校正控制量与接入调度系统的合规执行控制量，借助张量区间投影校正手段对网络输出数据做区间约束处理，确保输入调度平台的出力控制参数全程满足系统数据上下限规范；同时将梯度约束矫正机制嵌入神经网络反向传播训练流程，从权重迭代根源抑制超限数据输出，提升智能调整策略的收敛稳定性，解决了现有算法仅靠后置截断能够实现表面合规、训练节点持续生成异常越界数据的固有技术缺陷。

56、（3）本发明在多智能体奖励函数中嵌入并网协同调控奖励项，充分利用风电、光伏、风光混合单元的时空出力互补特性，引导各新能源集群协同调节并网出力，全域平抑整体功率波动，从调控机制层面改善新能源消纳水平，提升电网长期运行的均衡性。

57、（4）本发明引入多主体并网功率均衡调控机制，基于功率集中度指标构建均衡调控损失项，在策略迭代优化过程中持续优化多集群出力分配均匀度，避免长期调度过程中并网功率过度集中于少数新能源集群；有效降低局部电网功率振荡风险，使智能体学习得到的控制策略可同步兼顾新能源消纳稳定性、电网并网安全性与全网功率均衡运行需求。

58、（5）本发明采用集中训练、分散执行的约束型mappo协同调控框架，训练阶段基于全局电网运行状态进行多智能体联合优化，大幅提升了多集群协同策略的收敛效果与工况鲁棒性；在线调控阶段各新能源集群仅依靠本地局部观测信息即可独立完成并网出力调控，适用于新型电力系统分布式智能调度应用场景。

59、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。