[發明專利]電力系統云邊協同人工智能調控方法、系統、介質及設備

在審

• 申請號: 202211089297.4
• 申請日: 2022-09-07
• 公開（公告）號: CN116169776A
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 李文臣;黃彥浩;何春江;仲悟之;褚曉杰;許成龍;許沛東;高天露;張俊;嚴劍峰;呂晨;劉新元;暴悅爽;鄭惠萍;鄒衛美;李勤新
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網山西省電力公司電力科學研究院;武漢大學
• 主分類號: H02J13/00
• 分類號: H02J13/00;H02J3/38;H02J3/06;G06F18/23213;G06N3/048;G06N3/045;G06N3/092
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 劉愛麗

本發明公開了一種電力系統云邊協同人工智能調控方法、系統、介質及設備，方法包括：基于電力系統中所有子區域的觀測數據確定每個子區域對應的預測值；基于所述預測值確定每個子區域對應的執行動作；基于每個子區域對應的執行動作執行聯合動作，以進行電力系統調控。本發明在每個子區域分別進行利用對應的邊緣平臺進行運算，基于云協同技術實現電力系統廣域協調運行控制，能夠實現原有中心化任務的有效解耦與任務下沉，對維護高比例新能源接入下大規模互聯電網的安全穩定運行提供了基礎。

技術領域

本發明涉及人工智能與電力系統交叉技術領域，并且更具體地，涉及一種電力系統云邊協同人工智能調控方法及系統。

背景技術

國家大力發展可再生能源的接入，這對于緩解能源緊缺、優化能源結構有著十分重要的作用。隨著高比例新能源、高比例電力電子設備接入，電力系統將呈現“雙高”特征，這為其帶來隨機性與波動性。可以看出，高比例新能源電網存在運行場景復雜，突發事件多的特點。傳統的集中調控運行手段由于可控設備的多樣性造成一定的計算負擔、運行場景多變性使得穩定控制策略適應性降低、地理跨度大導致通信需求膨脹等原因，可能無法有效運作。此外，傳統調度方案下區域電網調度能力有限，發電計劃與新能源消納需求不匹配，缺乏有效的多區域調度協調機制。

近年來，深度強化學習(Deep?Reinforcement?Learning,DRL)在自動駕駛，游戲等場景驗證了它在規劃決策問題上的優勢，同樣也能應用于解決電力系統的調度控制問題，能夠從歷史數據中提取知識來處理其不確定性。有不少學者采用DRL方法解決負荷頻率控制、電力系統緊急控制、電壓控制等問題，并取得良好的效果。然而，該方法依舊是基于集中控制的，即源側、網側、荷側等信息發送到調度側的云中心，通過云中心的集中式優化計算后對各區域下達決策方案。當電力系統規模增大，通信堵塞帶來的數據延時和掉包問題將影響電網運行狀態評價、保護等任務的實時性，危害電力系統安全。

因此，需要一種電力系統云邊協同人工智能調控方法。

發明內容

本發明提出一種電力系統云邊協同人工智能調控方法、系統、介質及設備，以解決任如何試下電力系統智能調控的問題。

為了解決上述問題，根據本發明的一個方面，提供了一種電力系統云邊協同人工智能調控方法，所述方法包括：

基于電力系統中所有子區域的觀測數據確定每個子區域對應的預測值；

基于所述預測值確定每個子區域對應的執行動作；

基于每個子區域對應的執行動作執行聯合動作，以進行電力系統調控。

優選地，其中所述方法還包括：

基于電力系統中每個節點的觀測數據進行地理位置數據的提取；

基于每個節點的地理位置數據確定任意兩個節點間的歐式距離，基于所述歐式距離構建任意兩個節點間的鄰接矩陣W，并基于所述鄰接矩陣W確定度矩陣D和第一拉普拉斯矩陣L；

基于所述度矩陣D和第一拉普拉斯矩陣L確定第二拉普拉斯矩陣D^-1/2LD^-1/2，計算所述第二拉普拉斯矩陣最小的k個特征值分別對應的特征向量f，將特征向量f標準化，得到n×k維的特征矩陣F，令F每一行數據為一個樣本，采用k-means算法聚類進行子圖劃分，以確定至少一個子區域。

優選地，其中所述基于每個節點的地理位置數據確定任意兩個節點間的歐式距離，基于所述歐式距離構建任意兩個節點間的鄰接矩陣W，并基于所述鄰接矩陣W確定度矩陣D和第一拉普拉斯矩陣L，包括：

L＝D-W，

其中，