基于云边协同的综合能源系统滚动优化方法与相关装置与流程

本发明属于综合能源系统优化，涉及一种基于云边协同的综合能源系统滚动优化方法与相关装置。

背景技术：

1、综合能源系统通过整合电、气、热等多种能源形式，实现了能源的梯级利用与协同优化，是新型电力系统建设的核心载体。以城市微网为代表的综合能源系统在工业园区、商业综合体及公共建筑中广泛应用，其运行优化技术成为提升能源利用效率、降低碳排放的关键。然而，现有综合能源系统优化方法多采用两阶段范式，难以适应源-荷双重不确定性及复杂通信环境下的运行需求，具体存在以下三方面瓶颈：

2、第一，调节能力静态建模导致优化结果可行性不足。传统方法通常将储能、燃气轮机等设备简化为固定容量的可调资源，预先设定备用容量边界，忽略了设备动态约束对调节能力的实时影响。例如，储能的可用容量随荷电状态（soc）实时变化，燃气轮机的出力受爬坡率限制，逆变器的无功输出存在电压耦合约束。静态建模无法捕捉这些动态特性，导致优化生成的调度指令常超出设备实际调节范围。实测数据显示，传统方法的调度指令可行率低，易引发设备过载、电压越限等安全问题，甚至导致保护动作切断供电。第二，碳成本核算滞后难以响应市场动态信号。现有优化模型多采用日均值或固定系数核算碳排放成本，无法匹配电力市场高频更新的价格信号。随着电力现货市场建设的推进，分时电价已缩短至15分钟级，省级电网碳排放强度因子也随电源结构实时波动。静态碳成本模型无法体现高碳时段少用电、低碳时段多消纳的优化逻辑，导致系统在降低用电成本的同时可能间接增加碳排放，难以实现经济性与低碳性的协同优化。第三，执行层缺乏闭环反馈与容错机制。传统集中式优化架构中，云端生成指令后直接下发至终端设备，未建立执行偏差的动态校正机制。当通信链路因故障中断时，边缘侧无自主决策能力，需等待人工干预，导致关键负荷失电时间长达数分钟。这一问题在城市复杂电磁环境或极端天气下尤为突出，无法满足医院、数据中心等对供电可靠性要求极高的场景需求。此外，现有方法未考虑设备故障时调节任务的动态重分配，系统韧性不足。

3、近年来，云边协同架构与模型预测控制（mpc）为解决上述问题提供了新思路。云边协同通过算力下沉实现了全局优化与本地快速响应的结合，mpc通过滚动时域优化能够处理多约束、多变量的动态优化问题。然而，现有相关研究尚未解决动态调节能力在线辨识、碳电市场信号实时耦合、边缘自治容错机制深度融合等关键问题，导致理论成果难以落地工程应用。因此，亟需一种融合动态边界感知、碳电市场驱动、云边端协同容错的滚动优化方法，以提升综合能源系统的可行性、经济性与韧性。

技术实现思路

1、本发明的目的在于提供一种基于云边协同的综合能源系统滚动优化方法与相关装置，以解决现有技术中调节能力静态建模导致指令不可行，碳成本滞后难以响应高频市场信号的技术问题。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、第一方面，本发明提供一种基于云边协同的综合能源系统滚动优化方法，包括以下步骤：

4、获取综合能源系统的实时运行数据和外部市场数据，对获取的数据进行预处理，生成标准化数据序列；

5、采集并网点母线电压和电流数据，辨识关键节点的戴维南等效阻抗参数，结合设备物理极限参数计算时变可用调节域tvar(t)；

6、根据所述标准化数据序列构建碳电联合成本函数，以碳电联合成本最小化为目标，以tvar(t)、功率平衡、设备运行限制和网络安全为约束条件，采用模型预测控制框架构建滚动优化模型，通过混合整数线性规划求解器求解，生成各设备的调度指令序列；

7、通过云端将调度指令序列下发至边缘层，边缘层进行本地快速校正与容错处理，通信中断时启动边缘自治模式，终端层执行具体设备控制；

8、通过终端层将具体设备控制的实际执行结果反馈至边缘层，边缘层计算执行偏差并上传至云端进行模型参数更新，实现滚动优化。

9、进一步地，所述获取综合能源系统的实时运行数据和外部市场数据，对获取的数据进行预处理，生成标准化数据序列的步骤，具体包括：

10、获取综合能源系统的实时运行数据，所述实时运行数据包括各节点电压幅值与相角、各支路电流、各分布式电源出力、储能soc状态、燃气轮机运行状态和负荷功率；

11、同时通过云端api接口获取外部市场数据，所述外部市场数据包括电力现货市场分时电价和省级碳排放强度因子；

12、对获取到的实时运行数据和外部市场数据进行异常值检测与滤波预处理，生成标准化数据序列。

13、进一步地，所述采集并网点母线电压和电流数据，辨识关键节点的戴维南等效阻抗参数，结合设备物理极限参数计算时变可用调节域tvar(t)的步骤，具体包括：

14、采集并网点母线电压和电流数据，对采集到的原始数据经过数字滤波处理，去除高频噪声和直流偏置；然后采用递推最小二乘法在线辨识关键节点的戴维南等效阻抗参数；

15、结合设备物理极限参数计算时变可用调节域tvar(t)；所述可用调节域tvar(t)为四维可行域，由有功功率调节范围和无功功率调节范围构成；

16、其中，所述有功功率调节范围中的有功调节上限=各分布式电源最大有功出力之和+储能装置最大放电功率+从电网最大购电功率-系统总有功负荷；

17、所述有功功率调节范围中的有功调节下限=向电网最大售电功率-系统总有功负荷-储能装置最大充电功率；

18、所述无功功率调节中的无功调节上限=各分布式电源最大无功出力之和+电容器组最大无功补偿容量+静止无功发生器最大感性无功容量；

19、所述无功功率调节中的无功调节下限=-各分布式电源最大吸收无功容量之和-静止无功发生器最大容性无功容量。

20、进一步地，所述采用递推最小二乘法在线辨识关键节点的戴维南等效阻抗参数的步骤，具体包括：

21、初始化参数向量和协方差矩阵，所述参数向量包含戴维南等效阻抗的电阻分量和电抗分量，协方差矩阵初始化为104~106的正实数乘以单位矩阵；

22、在每个采样时刻，计算增益矩阵：

23、

k(

k)=

p(

k-1)

φ(

k)[

λ+

φ(

k)

p(

k-1)

φ(

k)]-¹

24、其中k(k)为k时刻增益矩阵，p(k-1)为上一时刻协方差矩阵，φ(k)为k时刻由电流测量值实部和虚部构成的回归向量，λ为0.95~0.995的遗忘因子；

25、更新参数向量：

26、

θ(

k)=

θ(

k-

1)+

k(

k)[

u(

k)-

φ (

k)

θ(

k-1)]

27、其中θ(k)为k时刻参数向量，u(k)为k时刻电压测量值；

28、更新协方差矩阵：

29、

p(

k)=[

i-

k(

k)

φ (

k)]p(

k-1)/

λ

30、其中i为单位矩阵；

31、设置收敛判据，当连续预设采样周期内参数变化量的范数小于10-4~10-6时，判定辨识结果收敛。

32、进一步地，所述碳电联合成本函数的表达式为：

33、

34、其中，为碳价转换系数，由用户设定或市场自动同步；为t时刻综合能源系统从公共电网的购电功率，正值表示从电网购电，负值表示向电网售电；为该时刻电力现货市场的分时电价；为该时刻省级电网的碳排放强度因子。

35、进一步地，所述模型预测控制框架的参数为：预测时域为4~24小时，对应16~96个时间步，每15分钟为一个时间步；控制时域为1~4步；滚动周期为5~15分钟；单次优化求解时间不超过滚动周期的1/10。

36、进一步地，所述边缘自治模式的本地优化方法为：基于本地实时辨识的tvar(t)，以最小化负荷切除量或最大化可再生能源消纳为目标，采用启发式算法或简化线性规划方法进行秒级~分钟级的局部优化；通信恢复后，边缘层自动切换回云端协同模式，并上传自治期间运行数据用于状态同步与模型校正。

37、第二方面，本发明提供一种基于云边协同的综合能源系统滚动优化系统，包括：

38、数据获取模块，用于获取综合能源系统的实时运行数据和外部市场数据，对获取的数据进行预处理，生成标准化数据序列；

39、在线辨识模块，用于采集并网点母线电压和电流数据，辨识关键节点的戴维南等效阻抗参数，结合设备物理极限参数计算时变可用调节域tvar(t)；

40、滚动优化求解模块，用于根据所述标准化数据序列构建碳电联合成本函数，以碳电联合成本最小化为目标，以tvar(t)、功率平衡、设备运行限制和网络安全为约束条件，采用模型预测控制框架构建滚动优化模型，通过混合整数线性规划求解器求解，生成各设备的调度指令序列；

41、云边端协同执行模块，用于通过云端将调度指令序列下发至边缘层，边缘层进行本地快速校正与容错处理，通信中断时启动边缘自治模式，终端层执行具体设备控制；

42、反馈更新模块，用于通过终端层将具体设备控制的实际执行结果反馈至边缘层，边缘层计算执行偏差并上传至云端进行模型参数更新，实现滚动优化。

43、第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述一种基于云边协同的综合能源系统滚动优化方法的步骤。

44、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述一种基于云边协同的综合能源系统滚动优化方法的步骤。

45、与现有技术相比，本发明具有以下有益效果：

46、本发明公开了一种基于云边协同的综合能源系统滚动优化方法与相关装置，通过动态调节能力在线辨识机制，基于递推最小二乘法实时辨识关键节点戴维南等效阻抗，结合设备物理极限构建四维时变可用调节域tvar(t)作为优化硬约束，将调度指令可行率从78%提升至99.6%，解决了传统静态建模导致的指令越限问题；通过碳-电市场信号驱动的滚动优化框架，实时耦合15分钟级分时电价与省级碳排放强度因子，构建碳电联合成本函数，在相同运行成本下实现碳排放量减少22.3%，兼顾经济性与低碳性；依托云-边-端三级协同执行架构，边缘层具备通信中断时的自治容错能力，5g中断场景下关键负荷失电时间从5分钟压缩至30秒以内，满足医院手术室、icu等一级负荷＜100ms的供电可靠性要求；同时，本发明工程适配性强，仅需现有ems系统新增tvar辨识模块与边缘代理即可部署，无需更换硬件，兼具技术先进性与工程落地价值，为综合能源系统在复杂环境下的高效、低碳、韧性运行提供了完整解决方案。