一种带有蓄能机构的发电机及其使用方法与流程

本发明涉及电力系统运行与控制，公开了一种带有蓄能机构的发电机及其使用方法。

背景技术：

1、带有蓄能机构的发电机在执行能量调度时，常规技术方案采用基于预先设定的固定功率阈值或固定荷电状态区间的静态规则。控制程序在运行过程中，持续将实时采集的发电功率数据和负荷数据与预设的固定阈值进行比对。当发电功率与负荷功率之间的差值超出预设的固定功率阈值，或者蓄能机构的荷电状态触及预设的固定区间上下限时，控制程序按照固化在存储介质中的静态逻辑表，直接向蓄能机构下达固定数值的充放电指令。此类静态规则依赖人工经验设定参数，在系统生命周期内保持恒定，不具备根据运行工况改变调节逻辑的能力。

2、上述技术方案中的固定功率阈值和固定荷电状态区间无法反映发电出力和负荷在时间维度上的耦合波动特征。在发电功率与负荷的波动处于平缓期时，由于固定阈值设定过宽，系统不动作，而在微小波动累积越过固定阈值时又会触发充放电指令，导致蓄能机构发生频繁的无意义充放电切换；在发电功率与负荷出现剧烈波动时，由于固定阈值设定过窄，蓄能机构在吸收或释放少量电能后便触及固定的保护极限而退出调节，造成调节深度不足，同时频繁的微小充放电切换会加剧蓄能机构内部化学材料的不可逆损耗，导致蓄能机构容量加速衰减。

技术实现思路

1、本发明的目的在于提供一种带有蓄能机构的发电机及其使用方法，可以有效解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：一种带有蓄能机构的发电机，包括数据截取组件、特征提取组件、边界生成组件和调度求解组件；

3、所述数据截取组件按照预设时间窗口截取历史发电功率数据、历史负荷数据以及蓄能机构历史荷电状态数据，构建多维时序输入矩阵；

4、所述特征提取组件利用图卷积网络提取所述多维时序输入矩阵中不同变量之间的时空关联特征，将所述时空关联特征输入至长短期记忆网络中，输出下一调度周期的发电功率预测曲线与负荷预测曲线；

5、所述边界生成组件根据所述发电功率预测曲线与所述负荷预测曲线的差值计算净功率波动区间，结合蓄能机构当前健康状态数据，通过非线性映射函数动态生成当前调度周期的充放电触发阈值边界与最大充放电功率约束边界；

6、所述调度求解组件在所述充放电触发阈值边界与所述最大充放电功率约束边界内，以所述净功率波动区间方差最小且充放电状态切换次数最少为目标函数，采用粒子群算法求解生成蓄能机构的充放电功率调度时序表。

7、优选的，所述数据截取组件在构建所述多维时序输入矩阵时，对获取的所述历史发电功率数据、所述历史负荷数据以及所述蓄能机构历史荷电状态数据按照时间戳对齐，执行缺失值线性插值处理以及基于箱线图统计的极值剔除处理，将处理后的数据按照所述预设时间窗口进行等长截取，将截取得到的多个时间步的数据向量在特征维度上进行拼接，并在拼接后的矩阵尾部添加包含周期特征和时间位置特征的时间戳编码向量，对拼接并添加编码后的矩阵执行最大最小值归一化处理，生成所述多维时序输入矩阵。

8、优选的，所述特征提取组件在利用所述图卷积网络提取所述时空关联特征之前，根据所述多维时序输入矩阵中不同变量之间的皮尔逊相关系数构建图结构的邻接矩阵，以所述多维时序输入矩阵中的每一列特征变量作为图结构的节点，将所述皮尔逊相关系数作为图结构中连接两个节点的边权重，通过所述图卷积网络对所述邻接矩阵和包含节点特征的特征矩阵执行图卷积运算，聚合每个节点的邻居节点特征，输出所述时空关联特征。

9、优选的，所述特征提取组件在将所述时空关联特征输入至所述长短期记忆网络中时，将所述时空关联特征按照时间步展开并输入至所述长短期记忆网络的各个隐藏层，在所述长短期记忆网络的输出端接入注意力机制层，通过所述注意力机制层计算所述长短期记忆网络在各个时间步输出的隐藏状态向量的注意力权重，将所述隐藏状态向量与对应的所述注意力权重进行加权求和运算，将加权求和后的向量输入至全连接层，输出所述下一调度周期的所述发电功率预测曲线与所述负荷预测曲线。

10、优选的，所述边界生成组件获取所述蓄能机构当前健康状态数据时，基于蓄能机构的二阶戴维南等效电路模型，采集蓄能机构端口电压、端口电流，通过最小二乘法对所述二阶戴维南等效电路模型中的欧姆内阻参数和极化内阻参数进行离线辨识，根据所述欧姆内阻参数与额定内阻参数的比值计算健康度；

11、在通过所述非线性映射函数生成所述充放电触发阈值边界与所述最大充放电功率约束边界时，将所述健康度与所述净功率波动区间输入至由分段线性函数构成的所述非线性映射函数中，输出所述充放电触发阈值边界与所述最大充放电功率约束边界。

12、优选的，所述调度求解组件在采用所述粒子群算法求解生成所述充放电功率调度时序表时，将所述下一调度周期划分为多个离散时间步，初始化由多个粒子组成的粒子群，每个粒子的位置向量代表所述蓄能机构在所述多个离散时间步的充放电功率序列，在每次迭代更新粒子速度和位置的过程中，引入自适应惯性权重，当迭代次数增加时降低所述自适应惯性权重的数值，在每次更新粒子位置后检测所述位置向量中的充放电功率数值是否超出所述最大充放电功率约束边界，若超出则将超出边界的数值替换为所述最大充放电功率约束边界对应的极限值，迭代终止后输出全局最优位置向量作为所述充放电功率调度时序表。

13、优选的，所述数据截取组件在执行基于箱线图统计的极值剔除处理时，引入基于密度的噪声应用空间聚类算法，将按照时间戳对齐后的所述历史发电功率数据、所述历史负荷数据以及所述蓄能机构历史荷电状态数据映射为三维空间中的数据点集合，计算所述数据点集合中每个数据点到指定邻域内其他数据点的距离，统计距离小于预设邻域半径的数据点数量，将所述数据点数量小于预设最小样本数的所述数据点标记为离群点，从所述数据点集合中删除被标记为所述离群点的数据，将删除所述离群点后剩余的数据点还原为时间序列数据。

14、优选的，所述特征提取组件在计算所述皮尔逊相关系数时，同步计算所述多维时序输入矩阵中不同变量之间的时延互相关函数，遍历预设的时间滞后范围，计算每个时间滞后步长下的互相关系数，选取数值最大的所述互相关系数对应的时间滞后步长作为变量间的时延特征，将所述皮尔逊相关系数与所述时延特征输入至预设的融合权重计算公式中，计算得到融合关联度数值，将所述融合关联度数值作为所述图结构中连接两个节点的所述边权重，生成包含时序滞后信息的所述邻接矩阵。

15、优选的，所述边界生成组件在通过所述最小二乘法对所述二阶戴维南等效电路模型中的参数进行离线辨识时，采用带有遗忘因子的递推最小二乘法，在每次采集到新的所述蓄能机构端口电压和所述蓄能机构端口电流时，计算当前时刻的增益向量，根据所述增益向量更新所述二阶戴维南等效电路模型中当前时刻的参数估计值和协方差矩阵，在计算所述增益向量的过程中引入所述遗忘因子对历史时刻的协方差矩阵进行衰减，将更新后的所述参数估计值作为当前时刻的所述欧姆内阻参数和所述极化内阻参数。

16、本发明还提供了一种带有蓄能机构的发电机的使用方法，所述方法包括：

17、按照预设时间窗口截取历史发电功率数据、历史负荷数据以及蓄能机构历史荷电状态数据，构建多维时序输入矩阵；

18、利用图卷积网络提取所述多维时序输入矩阵中不同变量之间的时空关联特征，将所述时空关联特征输入至长短期记忆网络中，输出下一调度周期的发电功率预测曲线与负荷预测曲线；

19、根据所述发电功率预测曲线与所述负荷预测曲线的差值计算净功率波动区间，结合蓄能机构当前健康状态数据，通过非线性映射函数动态生成当前调度周期的充放电触发阈值边界与最大充放电功率约束边界；

20、在所述充放电触发阈值边界与所述最大充放电功率约束边界内，以所述净功率波动区间方差最小且充放电状态切换次数最少为目标函数，采用粒子群算法求解生成蓄能机构的充放电功率调度时序表。

21、与现有技术相比，本发明的有益效果在于：

22、1、本发明通过按照预设时间窗口截取历史数据构建多维时序输入矩阵，利用图卷积网络提取不同变量之间的时空关联特征并输入长短期记忆网络输出预测曲线，根据预测曲线的差值计算净功率波动区间，结合蓄能机构健康状态数据通过非线性映射函数动态生成充放电触发阈值边界与最大充放电功率约束边界，在上述动态生成的边界内以净功率波动区间方差最小且充放电状态切换次数最少为目标函数采用粒子群算法求解生成充放电功率调度时序表。该方案通过多维时序数据的时空关联特征提取与动态边界整定，使得蓄能机构的充放电触发条件和功率上限能够跟随发电功率与负荷的实际波动特征进行自适应调整，消除了固定阈值与实际工况不匹配造成的调节死区与过调节现象，克服了调节深度不足的问题。

23、2、在生成多维时序输入矩阵时，通过对数据执行线性插值处理以及基于密度噪声应用空间聚类算法的极值剔除处理，并在矩阵尾部添加时间戳编码向量执行归一化处理，提升了输入数据的特征表达能力；在提取时空关联特征时，通过计算变量之间的皮尔逊相关系数与时延互相关函数，将融合关联度数值作为图结构的边权重构建包含时序滞后信息的邻接矩阵，并在长短期记忆网络输出端引入注意力机制层计算各时间步隐藏状态向量的注意力权重进行加权求和，提高了预测曲线对时序波动的拟合准确度；在获取蓄能机构健康状态时，采用带有遗忘因子的递推最小二乘法对二阶戴维南等效电路模型中的内阻参数进行在线辨识，并在粒子群算法求解中引入自适应惯性权重与越界替换机制，保障了充放电功率调度时序表的执行可靠性，减少了蓄能机构充放电状态的无效切换次数。