多能互补负荷在线协同优化与主动响应的方法及相关设备与流程

本发明涉及电力系统优化，具体为一种多能互补负荷在线协同优化与主动响应的方法及相关设备。

背景技术：

1、近年来，全球能源系统正加速向低碳化、清洁化方向转型。电力系统作为能源消费与碳排放的重要载体，正逐步由单一电能供给体系向电、气、热等多能融合的综合能源系统演进，分布式光伏、风电、电转热、燃气内燃机及储能等多类型能源设施的广泛接入，推动电网运行形态由“源随荷动”向“源网荷储协同互动”转变。在此背景下，电碳融合成为综合能源优化的重要方向，即在能量流优化的同时引入碳排放因子与电网碳势参数，实现电能与碳排放强度的动态耦合分析。多能互补负荷调控逐步从单一经济性优化扩展为兼顾碳强度、能源结构与系统安全的多目标协同控制，为构建新型电力系统和绿色低碳能源体系提供技术支撑。

2、然而，由于电碳耦合机理建模复杂、多源能源协同控制实时性强、多目标优化协调难度大等问题，多能互补负荷协同优化与主动响应面临诸多挑战：（1）电碳耦合机理建模复杂性高。电网碳势具有时变性和区域差异性，受新能源出力、跨区电力交易及负荷结构影响显著。多能系统中电转热、燃气发电与市电之间存在不同碳排放边际特征，电碳耦合关系呈现非线性和动态耦合特征，统一建模与实时计算难度较大。（2）多源能源协同控制实时性要求高。多能互补系统涉及电、气、热等多物理网络，其运行时间尺度不同，控制逻辑复杂。在负荷主动响应场景下，需要在秒级或分钟级完成碳强度评估与控制策略切换，对数据采集、边缘计算与调度响应能力提出较高要求。（3）多目标优化协调难度大。多能协同调控不仅涉及经济成本最优，还需兼顾碳排放最小化、设备运行约束及用户舒适度等多重目标。不同目标之间存在权衡关系，易出现碳减排与运行成本之间的冲突，优化策略的稳定性与可解释性面临挑战。

技术实现思路

1、为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种多能互补负荷在线协同优化与主动响应的方法及相关设备，以解决现有技术中电碳耦合机理建模复杂、多源能源协同控制实时性强、多目标优化协调难度大的技术问题。

2、本发明是通过以下技术方案来实现：

3、第一方面，本发明提供了一种多能互补负荷在线协同优化与主动响应的方法，包括：

4、获取终端侧能源节点、能量流、碳流及负荷运行数据，构建电-碳-能的知识图谱并初始化负荷碳指纹特征，得到能碳关联映射关系及设备级碳特性感知结果；

5、基于能碳关联映射关系及设备级碳特性感知结果，融合深度学习与热力学机理，构建动态电碳耦合模型，得到各供能路径的瞬时碳排放强度；

6、基于各供能路径的瞬时碳排放强度，结合实时负荷需求，分析多能供给方案间的碳差值梯度，挖掘负荷、碳势与设备能效的关联关系，构建以碳减排增益为导向的备选供能路径集合；

7、基于备选供能路径集合，构建多目标凸优化模型，转化为可执行控制指令并通过云-边协同架构执行，得到调控执行结果；

8、基于调控执行结果，评估调控效益并诊断异常，结合用户负荷特性迭代电力营销策略，形成闭环优化。

9、优选的，构建电-碳-能的知识图谱并初始化负荷碳指纹特征，得到能碳关联映射关系及设备级碳特性感知结果的具体过程包括：

10、引入知识图谱技术与非侵入式负荷监测算法，得到终端侧隐性碳足迹的显性化表征；

11、知识图谱构建时，定义图谱，其中代表能源节点如变压器能源节点、电热锅炉能源节点；代表能量流或碳流连接，代表节点间的映射规则；引入拉普拉斯特征映射公式为，其中，为能-碳关联邻接矩阵，为度矩阵，通过计算该矩阵的特征值识别能源网络中碳排强度最高的瓶颈节点；

12、负荷碳指纹初始化时，采用基于瞬时功率分解的nilm公式，设总线电流信号为，通过离散傅里叶变换提取各设备的谐波特征向量，利用残差最小化分解公式：

13、

14、其中，为第类设备的运行开关状态；为设备序号；n为系统内所有用电设备总数量；为谐波特征映射项；为残差平方和，用来衡量电流拟合误差大小；为遍历全部负荷设备做电流叠加；

15、将总线侧混合碳流剥离为单体设备独立碳踪，完成微观负荷碳特性全量感知，根据微观负荷碳特性全量感知得到能碳关联映射关系及设备级碳特性感知结果。

16、优选的，构建动态电碳耦合模型的具体过程包括：

17、构建能源转化环节的动态电碳耦合模型，采用双向长短期记忆网络处理时序能源数据，捕获历史负荷惯性与未来碳势预测对当前状态的影响；

18、针对电转热设备，引入热力学火用效率修正碳强度模型，公式包括：

19、

20、其中，为时刻电转热设备的等效碳排放强度；为时刻上级电网的边际排放因子，反映实时电网侧清洁能源占比；为电热转换的效率系数；为卡诺因子，为环境参考的绝对温度；为热输出端的绝对温度；为时刻电网碳排放随机噪声扰动项；

21、引入注意力机制加权公式：

22、

23、其中，代表不同时刻碳强度波动对预测目标的贡献权重，和分别为时刻的隐藏层状态向量和全局上下文向量，代表了深度学习模型提取的特征抽象；为自然指数函数，作用是将注意力打分结果映射为非负值；为注意力打分函数，用于计算单个时序隐藏状态与全局上下文之间的关联匹配程度；为任意第个时刻的隐藏层状态向量，遍历所有时序节点；∑为求和运算，累加所有时序节点的指数打分值；

24、通过将数据驱动的深度学习模型与热力学物理机理模型深度耦合，构建得到动态电碳耦合模型。

25、优选的，挖掘负荷、碳势与设备能效的关联关系，构建以碳减排增益为导向的备选供能路径集合中，利用apriori关联规则算法，挖掘负荷、碳势与设备能效的关联关系，实时计算不同能源路径组合的碳排放梯度，具体过程包括：

26、分布式能源碳差值分析，引入碳排放对比判别公式：

27、

28、其中，为瞬时碳排放减排梯度差值；为当前的实时总负荷需求功率；为第种内部分布式能源的实时出力功率；为第种能源形式的单位发电碳排放系数；为第种供能路径的输运损耗修正系数；

29、多能互补路径构建，引入信息增益决策准则：

30、

31、式中，是系统原始碳强度状态的熵值，代表了调控前系统不确定性的度量；为在特定调控动作作用下，子集样本占总样本的比例权重；为经调控动作a划分后，第v个状态子集内的样本数量；为总样本集合s内全部样本数量；

32、以碳差值为目标变量，评估各控制变量对碳排放下降的贡献度，自动构建多层决策搜索树，以碳减排增益为第一搜索驱动力。

33、优选的，基于备选供能路径集合，构建多目标凸优化模型，转化为可执行控制指令并通过云-边协同架构执行，得到调控执行结果的具体过程包括：

34、引入二阶锥规划（socp）算法，将非线性的功率流约束转化为凸约束，确保调控动作的在线实时性与收敛性；

35、构建多目标优化函数，公式如下：

36、

37、其中，为各项目标的权重系数，为分时电价，为预测的实时碳排放强度，为系统对电网频率偏移的调节增量；为时间维度累加求和，t为调度时刻，t为整体调度总时长；为经济成本权重系数，调控用电费用目标在整体优化中的占比优先级；为t时刻系统与上级电网交互电功率，正值为购电、负值为售电；为低碳减排权重系数，调控碳排放目标在整体优化中的占比优先级；为电网调频调节权重系数，表征系统参与电网频率稳定调节目标的优先级；为频率调节增量平方项，采用平方形式弱化正负偏差影响，实现频率波动平稳抑制；

38、引入拉格朗日乘子法构建增广目标函数，表达式如下：

39、

40、其中，为增广拉格朗日函数，将带约束的优化问题转化为无约束优化；为拉格朗日乘子，代表了第个节点每增加单位负荷所带来的边际碳成本和功率偏差成本；表示第个节点的网损功率；将带约束的优化问题转化为无约束优化；为系统综合优化目标函数，包含经济成本、碳排放成本、调频调节成本；为对系统内全部m个电网/ 能源网络节点依次求和；为第j节点分布式电源实时发电出力功率；为第j节点储能设备充放电等效功率，放电为正、充电为负；为第j节点分布式电源实时发电出力功率；

41、采用云-边协同架构，云端制定分钟级全局策略，边缘控制器进行秒级频率跟随；针对柔性负荷，利用脉宽调制技术微调输入功率，使负荷碳足迹曲线与区域内光伏或风电产出曲线实时拟合，进行主动碳足迹抵消。

42、优选的，基于调控执行结果，评估调控效益并诊断异常，结合用户负荷特性迭代电力营销策略，形成闭环优化的具体过程包括：

43、将每次负荷调控后的实际减碳量c_(act )、响应速度t_(resp )、经济成本增量δm以及电网碳势预测偏差组成高维特征向量x，利用异常评分s(x,n) 计算每个调控样本的异常评分，当s(x,n)趋近于1时，代表该次调控动作产生异常偏移，通过关联分析回溯算法定位异常原因；

44、在营销闭环层面，引入协同过滤推荐模型，基于用户历史降碳表现，通过余弦相似度识别具有类似负荷特性的低碳标杆企业，并向表现不佳的用户推送优化后的电力营销套餐，形成模型修正与营销策略优化闭环。

45、进一步的，异常评分公式如下：

46、

47、其中，为样本在所有隔离树中的平均路径高度，为搜索路径的平均常数；

48、所述余弦相似度公式如下：

49、

50、其中，表示用户u在第i个调控维度的评分指标；为用户v在第i个调控维度下的量化评分指标。

51、第二方面，本发明还提供了一种多能互补负荷在线协同优化与主动响应的系统，包括：

52、图谱指纹模块，用于获取终端侧能源节点、能量流、碳流及负荷运行数据，构建电-碳-能的知识图谱并初始化负荷碳指纹特征，得到能碳关联映射关系及设备级碳特性感知结果；

53、耦合建模模块，用于基于能碳关联映射关系及设备级碳特性感知结果，融合深度学习与热力学机理，构建动态电碳耦合模型，得到各供能路径的瞬时碳排放强度；

54、路径构建模块，用于基于各供能路径的瞬时碳排放强度，结合实时负荷需求，分析多能供给方案间的碳差值梯度，挖掘负荷、碳势与设备能效的关联关系，构建以碳减排增益为导向的备选供能路径集合；

55、调控执行模块，用于基于备选供能路径集合，构建多目标凸优化模型，转化为可执行控制指令并通过云-边协同架构执行，得到调控执行结果；

56、评估迭代模块，用于基于调控执行结果，评估调控效益并诊断异常，结合用户负荷特性迭代电力营销策略，形成闭环优化。

57、第三方面，本发明还提供了一种移动终端，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上述所述多能互补负荷在线协同优化与主动响应的方法的步骤。

58、第四方面，本发明还提供了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上述所述多能互补负荷在线协同优化与主动响应的方法的步骤。

59、与现有技术相比，本发明具有以下有益的技术效果：

60、本发明提供了一种多能互补负荷在线协同优化与主动响应的方法，通过电-碳-能知识图谱结合动态深度学习模型，搭配火用效率修正与时变边际排放因子，实现物理机理与数据驱动融合建模，能够有效刻画区域差异及新能源波动场景下的瞬时碳强度变化，提升复杂工况下模型预测精度与运行稳定性，实现电碳耦合关系动态可计算与可追溯表达，同时依托云边协同架构结合凸优化调度模型，边缘侧完成秒级负荷跟踪、云端实现分钟级全局碳势评估与策略更新，将碳差值分析融入路径搜索逻辑，可在电网高碳脉冲工况下快速切换能源供给结构，缩短响应链路与运算耗时，满足多能系统高波动场景下低碳实时调控需求，本发明将经济成本、碳成本、电网支撑贡献度统一纳入凸优化框架，借助拉格朗日乘子完成约束松弛与边际碳价动态调节，并配套异常诊断与电力营销迭代机制，构建完整调控优化闭环，在保障设备运行安全与用户使用体验的基础上，兼顾碳减排效益与运行经济性，提升整体优化策略的运行稳定性与实际可解释性。