一种基于LLM智能体与博弈的混合储能调度方法及系统

本申请涉及储能调度，尤其涉及一种基于llm智能体与博弈的混合储能调度方法及系统。

背景技术：

1、随着可再生能源（光伏、风电）的大规模并网，电力系统对储能技术的需求日益迫切。储能系统能够平抑新能源波动、实现削峰填谷、参与电力辅助服务。目前，主流的储能技术包括锂电池储能、液流电池储能、飞轮储能、超级电容器、压缩空气储能、氢能储能以及熔盐储热等。不同储能技术在响应时间、能量密度、循环寿命、成本和安全环保方面存在显著差异。在实际工程应用中，往往采用单一储能技术（如锂电池）进行调度。然而，单一技术难以同时满足毫秒级功率响应、小时级能量时移和跨季节能量存储等多时间尺度需求。为了解决这一矛盾，混合储能系统（hybrid energy storage system, hess）被提出，即将两种或多种储能技术组合使用。

2、现有混合储能调度方法通常根据预先设置的固定规则，将总功率需求按照固定比例分配至不同储能装置，或者采用集中式优化模型统一计算各储能装置的充放电功率。部分方法采用低通滤波或者模型预测控制对功率需求进行时间尺度划分，也有部分方法通过参数配置界面接收调度人员输入的约束条件和目标权重。

3、然而，固定规则难以适应电价、负荷、新能源出力和储能状态的动态变化；集中式优化方法通常以单一主体的优化目标为基础，难以反映不同储能主体之间的利益关系；传统参数配置方式也难以直接理解“优先保护电池寿命”或“启动保电模式”等自然语言目标。此外，现有频带分配方法与多主体经济决策之间通常相互独立，可能出现经济优化结果与储能装置响应速度不匹配的问题。

技术实现思路

1、本申请的主要目的在于提供了一种基于llm智能体与博弈的混合储能调度方法及系统，旨在解决现有技术缺乏对混合储能系统特性的深度差异化分析，忽略了混合储能系统中各装置之间博弈关系，导致混合异构储能系统自主调度能力差以及资源分配不均衡的技术问题。

2、为实现上述目的，本申请提供了一种基于llm智能体与博弈的混合储能调度方法，所述方法包括以下步骤：

3、对采集的多源异构数据进行预处理，并基于预处理后的多源异构数据生成总功率指令；

4、响应于用户发送的自然语言调度指令，基于所述自然语言调度指令生成调度参数集，所述调度参数集包括量化约束和目标权重；

5、基于所述总功率指令和所述调度参数集，通过领导者智能体和多个追随者智能体执行主从博弈迭代，获得收敛状态下的基础充放电功率曲线，所述领导者智能体和所述多个追随者智能体均以大语言模型为推理引擎，所述多个追随者智能体分别对应不同类型的储能装置，所述追随者智能体包括容量型追随者、功率型追随者和超长时型追随者；

6、对所述总功率指令进行频带分解，获得多个频带功率分量，并基于所述多个频带功率分量和所述基础充放电功率曲线生成目标调度指令序列；

7、将所述目标调度指令序列发送至各储能装置的控制器，以使各控制器根据所述目标调度指令序列控制对应的储能装置执行充放电操作。

8、此外，为实现上述目的，本申请还提出一种应用如上文所述的基于llm智能体与博弈的混合储能调度方法的基于llm智能体与博弈的混合储能调度系统，所述基于llm智能体与博弈的混合储能调度系统包括：

9、数据处理模块，用于对采集的多源异构数据进行预处理，并基于预处理后的多源异构数据生成总功率指令；

10、指令响应模块，用于响应于用户发送的自然语言调度指令，基于所述自然语言调度指令生成调度参数集，所述调度参数集包括量化约束和目标权重；

11、主从博弈模块，用于基于所述总功率指令和所述调度参数集，通过领导者智能体和多个追随者智能体执行主从博弈迭代，获得收敛状态下的基础充放电功率曲线，所述领导者智能体和所述多个追随者智能体均以大语言模型为推理引擎，所述多个追随者智能体分别对应不同类型的储能装置，所述追随者智能体包括容量型追随者、功率型追随者和超长时型追随者；

12、频带分解模块，用于对所述总功率指令进行频带分解，获得多个频带功率分量，并基于所述多个频带功率分量和所述基础充放电功率曲线生成目标调度指令序列；

13、储能调度模块，用于将所述目标调度指令序列发送至各储能装置的控制器，以使各控制器根据所述目标调度指令序列控制对应的储能装置执行充放电操作。

14、此外，为实现上述目的，本申请还提出一种基于llm智能体与博弈的混合储能调度设备，所述设备包括：存储器、处理器及存储在所述存储器上的基于llm智能体与博弈的混合储能调度程序，所述处理器用于运行所述基于llm智能体与博弈的混合储能调度程序，所述计算机程序配置为实现如上文所述的基于llm智能体与博弈的混合储能调度方法的步骤。

15、本申请通过对多源异构数据进行预处理，降低异常数据和时间尺度差异对调度结果的影响；通过将自然语言调度指令转化为量化约束和目标权重，使寿命保护、保电优先及收益偏好等非结构化目标能够进入后续优化过程；通过领导者智能体和多个追随者智能体执行主从博弈，将电价与租赁策略、储能装置运行状态和各主体响应策略纳入迭代闭环，形成兼顾主体收益与装置约束的基础充放电功率曲线；通过频带分解进一步按照功率变化的时间尺度匹配功率型、容量型和超长时型储能装置，使博弈获得的经济调度基线受到异构储能物理响应能力的二次校正；通过向各控制器下发目标调度指令序列，实现混合异构储能系统的自主调度，从而避免仅进行经济优化而忽略物理响应特性或仅进行频率分工而忽略主体利益的局限，形成兼顾调度意图、多主体协调和异构储能可执行性的协同调度机制；由于本发明通过异构储能任务分解与主从博弈均衡，显著降低储能系统整体平准化成本及综合用电成本；通过领导者-追随者主从博弈，实现储能运营商与各类储能装置之间的利益均衡，有效提升各方收益及系统综合效益；通过小波包分解将功率指令按时间尺度分配，充分发挥功率型、容量型、超长时型储能的技术优势，大幅提升储能系统年平均利用率，有效抑制净负荷波动。

1.一种基于llm智能体与博弈的混合储能调度方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述基于所述总功率指令和所述调度参数集，通过领导者智能体和多个追随者智能体执行主从博弈迭代，获得收敛状态下的基础充放电功率曲线，包括：

3.如权利要求2所述的方法，其特征在于，所述领导者智能体在主从博弈迭代过程中被配置为执行如下步骤：

4.如权利要求3所述的方法，其特征在于，所述领导者优化模型的优化目标函数为：

5.如权利要求2所述的方法，其特征在于，所述容量型追随者在主从博弈过程中配置为执行如下步骤：

6.如权利要求5所述的方法，其特征在于，所述追随者优化模型的优化目标函数为：

7.如权利要求2所述的方法，其特征在于，所述超长时型追随者在主从博弈过程中配置为执行如下步骤：

8.如权利要求1所述的方法，其特征在于，所述对所述总功率指令进行频带分解，获得多个频带功率分量，并基于所述多个频带功率分量和所述基础充放电功率曲线生成目标调度指令序列，包括：

9.一种应用权利要求1至8中任一项所述的基于llm智能体与博弈的混合储能调度方法的基于llm智能体与博弈的混合储能调度系统，其特征在于，所述系统包括：

10.一种基于llm智能体与博弈的混合储能调度设备，其特征在于，所述基于llm智能体与博弈的混合储能调度设备包括：存储器、处理器及存储在所述存储器上的基于llm智能体与博弈的混合储能调度程序，所述处理器用于运行所述基于llm智能体与博弈的混合储能调度程序，所述基于llm智能体与博弈的混合储能调度程序配置为实现如权利要求1至8中任一项所述的基于llm智能体与博弈的混合储能调度方法。