CN108233360B - 协同控制方法和装置 - Google Patents

Abstract

本发明公开了一种协同控制方法和装置。其中，该方法包括：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。本发明解决了现有技术无法有效控制电力设备和用能设备的运行状态的技术问题。

Description

协同控制方法和装置

技术领域

本发明涉及电力控制领域，具体而言，涉及一种协同控制方法和装置。

背景技术

随着分布式电源以及基于分布式电源的用户侧微电网技术的快速发展，和用户需求响应的深入开展,使得电能使用效率和电网与用户的互动响应方面的开发空间越来越大。由于含可再生能源分布式电源及柔性负荷设备的多能互补能源互联系统很多具有分布式的性质、灵活的控制方式以及大规模的控制数据等特点，因而难以将传统的统一调度、集中的控制方式应用于结构当中。

从系统的角度出发，将含可再生能源分布式电源、柔性负荷设备以及控制装置等结合起来的客户侧多能互补能源互联系统看作一个单一可控的单元，同时向用户提供电能和热能，是解决多能互补能源互联系统集中并网供电的有效方式之一，但仍然存在一定的局限性。首先，多能互补能源互联系统更多的是强调控制区域内部的自治控制，如何能够使区域内的各个元器件都具有一定的自治能力和智能性，实现实时控制，快速响应；其次，随着分布式能源在客户侧的普及和储能技术的发展,使得客户侧的用电方式更加灵活,从目前的研究结果来看,分布式电源的用户侧微电网技术多数都集中在系统的终端设备的开发、网络通信技术等硬件功能方面,而在分布式能源或储能等设备具体应该如何运行的问题上,仍然过多依赖用户自主决定；另外，客户侧智能电网要求更加严格的供电可靠性以及电能质量恶化、继电保护策略复杂度增加等现实问题，但是这方面的控制机理目前没有完全揭示。

针对上述现有技术无法有效控制电力设备和用能设备的运行状态的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种协同控制方法和装置，以至少解决现有技术无法有效控制电力设备和用能设备的运行状态的技术问题。

根据本发明实施例的一个方面，提供了一种协同控制方法，包括：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

进一步地，在确定接入智能电网的电力设备和用能设备之前，上述方法还包括：确定不同区域内的能源互联系统之间的分布式控制架构；基于上述分布式控制架构，建立上述第一模型。

进一步地，上述分布式控制架构至少包括：集中控制层和中间控制层，确定不同区域内的能源互联系统的分层控制架构包括：确定不同区域内的能源互联系统的集中控制层，其中，上述集中控制层用于调度上述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，上述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

进一步地，上述第一模型至少包括：外特性功能模型和三相稳态模型，基于上述分布式控制架构，建立上述第一模型包括：基于上述分布式控制架构，建立上述电力设备与上述柔性负荷的外特性功能模型；基于上述分布式控制架构，建立上述能源互联系统的三相稳态模型，其中，上述三相稳态模型至少包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

进一步地，使用第一模型对上述电力设备和用能设备进行分析，包括：将上述电力设备和用能设备的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

进一步地，依据上述控制指令，协同控制上述电力设备和用能设备的运行状态，包括：获取在预定时间范围内用户的用电需求；依据上述控制指令和上述用电需求，协同控制上述电力设备和用能设备的运行状态。

根据本发明实施例的另一方面，还提供了一种协同控制装置，包括：第一确定模块，用于确定接入智能电网的电力设备和用能设备；第二确定模块，用于使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；控制模块，用于依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

进一步地，上述装置还包括：第三确定模块，用于确定不同区域内的能源互联系统之间的分布式控制架构；建立模块，用于基于上述分布式控制架构，建立上述第一模型。

根据本发明实施例的另一方面，还提供了一种存储介质，上述存储介质包括存储的程序，其中，上述程序执行如下方法步骤：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

根据本发明实施例的另一方面，又提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行如下方法步骤：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

在本发明实施例中，采用协同控制的方式，通过确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令；并依据上述控制指令，协同控制上述电力设备和用能设备的运行状态，达到了分布式电力设备和用能设备接入客户侧智能电网的分布式协同优化控制的目的，从而实现了客户侧智能电网所要求的供电可靠性以及电能质量的技术效果，进而解决了现有技术无法有效控制电力设备和用能设备的运行状态的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种协同控制方法的流程示意图；

图2是根据本发明实施例的一种可选的协同控制方法的流程示意图；

图3是根据本发明实施例的一种可选的协同控制方法的流程示意图；

图4是根据本发明实施例的一种可选的协同控制方法的流程示意图；

图5是根据本发明实施例的一种可选的协同控制方法的流程示意图；

图6是根据本发明实施例的一种协同控制装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种协同控制方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种协同控制方法的流程示意图，如图1所示，该方法包括如下步骤：

步骤S102，确定接入智能电网的电力设备和用能设备；

步骤S104，使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；

步骤S106，依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

在本发明实施例中，采用协同控制的方式，通过确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令；并依据上述控制指令，协同控制上述电力设备和用能设备的运行状态，达到了分布式电力设备和用能设备接入客户侧智能电网的分布式协同优化控制的目的，从而实现了客户侧智能电网所要求的供电可靠性以及电能质量的技术效果，进而解决了现有技术无法有效控制电力设备和用能设备的运行状态的技术问题。

在综合考虑分布式网络架构的基础上，深入研究分布式电源、柔性负荷等参与电网运行的方法，结合多智能体非线性协同优化控制理论，针对分布式供用能设备控制通信网络架构以及协调控制系统异质、分散的特点，提出适应于多时间尺度客户侧供用能设备互联互通的协调优化控制技术。在综合考虑分布式网络架构的基础上，深入研究分布式电源、柔性负荷等参与电网运行的方法，结合多智能体非线性协同优化控制理论，针对分布式供用能设备控制通信网络架构以及协调控制系统异质、分散的特点，提出适应于多时间尺度客户侧供用能设备互联互通的协调优化控制技术。

可选的，上述电力设备包括但不限于：发电设备和供电设备。

在一种可选的实施例中，图2是根据本发明实施例的一种可选的协同控制方法的流程示意图，如图2所示，在确定接入智能电网的电力设备和用能设备之前，上述方法还包括：

步骤S202，确定不同区域内的能源互联系统之间的分布式控制架构；

步骤S204，基于上述分布式控制架构，建立上述第一模型。

可选的，上述第一模型可以为包括可再生能源分布式电源、柔性负荷设备及一次设备的数学模型。

在上述步骤S202至步骤S204中，可以构建基于多时间尺度客户侧供用能设备互联互通的分布式控制架构，并在多时间尺度客户侧供用能设备互联互通的分布式控制架构的基础上，构建包括可再生能源分布式电源、柔性负荷设备及一次设备的数学模型；进而可以根据上述第一模型获取到的控制指令，确定分布式电力设备和用能设备接入智能电网的协同优化控制策略。

作为一种可选的实施例，图3是根据本发明实施例的一种可选的协同控制方法的流程示意图，如图3所示，上述分布式控制架构至少包括：集中控制层和中间控制层，确定不同区域内的能源互联系统的分层控制架构包括：

步骤S302，确定不同区域内的能源互联系统的集中控制层，其中，上述集中控制层用于调度上述能源互联系统；

步骤S304，确定不同区域内的能源互联系统的中间控制层，其中，上述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

在上述步骤S302至步骤S304中，上述分层控制架构包含集中控制和分布式控制两个层级。在分布不同区域的客户侧多能互补能源互联系统之间构建上层集中式全局控制智能体，完成系统级调度工作，并通过在每个客户侧多能互补能源互联系统中构建中间层能量管理智能体，引入分布式计算设备，把部分调度中心的计算负担分摊给各底层具有计算能力的组件，通过多智能体一致性算法实现多能互补能源互联系统中各个微源及柔性负荷与其相邻节点间的相互耦合。

此处需要说明的是，本申请上述实施例所提供的协同控制方法在综合考虑分布式网络架构的基础上，提出了包含集中控制和分布式控制两个层级的分层控制架构。

在一种可选的实施例中，在分布不同区域的客户侧多能互补能源互联系统之间构建上层集中式全局控制智能体，进而可以完成系统级调度工作，在每个客户侧多能互补能源互联系统中构建中间层能量管理智能体，另外，通过引入分布式计算设备，把部分调度中心的计算负担分摊给分布式计算设备，进而可以通过多智能体一致性算法实现多能互补能源互联系统中各个微源及柔性负荷与其相邻节点间的相互耦合。

在一种可选的实施例中，图4是根据本发明实施例的一种可选的协同控制方法的流程示意图，如图4所示，上述第一模型至少包括：外特性功能模型和三相稳态模型，基于上述分布式控制架构，建立上述第一模型包括：

步骤S402，基于上述分布式控制架构，建立上述电力设备与上述柔性负荷的外特性功能模型；

步骤S404，基于上述分布式控制架构，建立上述能源互联系统的三相稳态模型，其中，上述三相稳态模型至少包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

可选的，上述三相稳态模型可以为多能互补能源互联系统中的三相稳态模型，但不限于包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

在上述步骤S402至步骤S404中，针对光伏、风电等分布式供能设备和电动汽车、蓄电池等用能设备渗透率较高的特点，考虑分布式电力设备与柔性负荷的外特性功能模型；并且，本申请上述实施例可以实现同时考虑上述多能互补能源互联系统的三相稳态模型。

作为一种可选的实施方式，使用第一模型对上述电力设备和用能设备进行分析，包括：将上述电力设备和用能设备的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

在本申请中，在另一种可选的实施方式中，图5是根据本发明实施例的一种可选的协同控制方法的流程示意图，如图5所示，依据上述控制指令，协同控制上述电力设备和用能设备的运行状态，包括：

步骤S502，获取在预定时间范围内用户的用电需求；

步骤S502，依据上述控制指令和上述用电需求，协同控制上述电力设备和用能设备的运行状态。

在一种可选的实施例中，电动汽车分布式控制系统预测日充电电量需求及时间范围、以及分布式供能设备控制系统预测日出力曲线，准确有效地预测帮助协同优化控制系统做出最有效的决策。

在另一种可选的实施例中，本申请基于多智能体的框架结构，运用一致性算法，对多能互补能源互联中，发电机、负荷、储能设备、用能设备等进行分布式控制，实现系统全局增量成本一致且经济最优；以实时电价条件下的客户侧智能电网购电成本最优和总网损最小在内的经济性和系统平均供电不可靠率最小的安全可靠性为目标函数，在模型中加入支路潮流、节点电压、传输功率、网络拓扑、电源节点功率因数、EV负荷波动、个别分布式发电单元不可控、单个开关最大动作次数等约束条件；运用多目标分层预测控制算法加快多目标收敛速度，减少分布式电力设备和柔性负荷用能设备的随机性导致的不可行方案，完成分布式电力设备和用能设备全局协同优化控制策略。

可选的，上述一致性算法可以但不限于为全局增量成本一致性算法，通过上述一致性算法进行分布式控制的步骤可以为：

Step1：建立组成多能互补能源互联的各个分布式电源的成本模型，例如：微型燃气轮机、蓄电池、柔性负荷等。计算各个微源的初始(k＝0)增量成本。

Step2：确定多能互补能源互联通讯拓扑结构，计算通讯系数D或M、N。

Step3：根据实际多能互补能源互联分布式协调优化控制，确立含有约束的目标函数。

Step4：微源采集自身及与其相连的所有微源当前时刻(t＝k)输出功率，计算该微源局部供需功率不匹配值，从而得到下一时刻(t＝k+1)的增量成本，带入增量成本公式、或、继而可求出下一时刻该微源的功率参考值。

Step5：经过多个控制周期后，所有微源达到增量成本一致目标，得到经济最优结果，并输出。

此外，需要重要说明的是，本申请所提供的协同控制方法通过在“风-储-网-荷”的电网系统上进行模拟，得到的仿真结果表明该方法具有快速获取环境信息和自身状态信息的优势，可以实现对局部环境变化快速反应，对通讯依赖减少，任何一个微源故障不会影响系统，增强系统稳定性。

实施例2

本发明实施例还提供了一种用于实施上述协同控制方法的装置，图6是根据本发明实施例的一种协同控制装置的结构框图，如图6所示，上述协同控制装置，包括：第一确定模块60、第二确定模块62和控制模块64，其中，

第一确定模块60，用于确定接入智能电网的电力设备和用能设备；第二确定模块62，用于使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；控制模块64，用于依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

在本发明实施例中，采用协同控制的方式，通过第一确定模块60，用于确定接入智能电网的电力设备和用能设备；第二确定模块62，用于使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令；控制模块64，用于依据上述控制指令，协同控制上述电力设备和用能设备的运行状态，达到了分布式电力设备和用能设备接入客户侧智能电网的分布式协同优化控制的目的，从而实现了客户侧智能电网所要求的供电可靠性以及电能质量的技术效果，进而解决了现有技术无法有效控制电力设备和用能设备的运行状态的技术问题。

在一种可选的实施方式中，上述装置还包括：第三确定模块，用于确定不同区域内的能源互联系统之间的分布式控制架构；建立模块，用于基于上述分布式控制架构，建立上述第一模型。

此处需要说明的是，上述第一确定模块60、第二确定模块62和控制模块64对应于实施例1中的步骤S102至步骤S106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

仍需要说明的是，上述实施例1中的任意一种可选的或优选的协同控制方法，均可以在本实施例所提供的协同控制装置中执行或实现。

此外，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

其中，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

上述的协同控制装置还可以包括处理器和存储器，上述第一确定模块60、第二确定模块62和控制模块64等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质包括存储的程序，其中，在上述程序运行时控制上述存储介质所在设备执行上述任意一种协同控制方法。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

本申请实施例还提供了一种处理器。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种协同控制方法。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

可选地，上述处理器执行程序时，还可以确定不同区域内的能源互联系统之间的分布式控制架构；基于上述分布式控制架构，建立上述第一模型。

可选地，上述处理器执行程序时，还可以确定不同区域内的能源互联系统的集中控制层，其中，上述集中控制层用于调度上述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，上述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

可选地，上述处理器执行程序时，还可以基于上述分布式控制架构，建立上述电力设备与上述柔性负荷的外特性功能模型；基于上述分布式控制架构，建立上述能源互联系统的三相稳态模型，其中，上述三相稳态模型至少包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

可选地，上述处理器执行程序时，还可以将上述电力设备和用能设备的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

可选地，上述处理器执行程序时，还可以获取在预定时间范围内用户的用电需求；依据上述控制指令和上述用电需求，协同控制上述电力设备和用能设备的运行状态。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：确定接入智能电网的电力设备和用能设备；使用第一模型对上述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述电力设备和用能设备、通过分析上述电力设备和用能设备得到的分析结果所对应的控制指令；依据上述控制指令，协同控制上述电力设备和用能设备的运行状态。

可选地，上述计算机程序产品执行程序时，还可以确定不同区域内的能源互联系统之间的分布式控制架构；基于上述分布式控制架构，建立上述第一模型。

可选地，上述计算机程序产品执行程序时，还可以确定不同区域内的能源互联系统的集中控制层，其中，上述集中控制层用于调度上述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，上述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

可选地，上述计算机程序产品执行程序时，还可以基于上述分布式控制架构，建立上述电力设备与上述柔性负荷的外特性功能模型；基于上述分布式控制架构，建立上述能源互联系统的三相稳态模型，其中，上述三相稳态模型至少包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

可选地，上述计算机程序产品执行程序时，还可以将上述电力设备和用能设备的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

可选地，上述计算机程序产品执行程序时，还可以获取在预定时间范围内用户的用电需求；依据上述控制指令和上述用电需求，协同控制上述电力设备和用能设备的运行状态。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种协同控制方法，其特征在于，包括：

确定接入智能电网的电力设备和用能设备；

使用第一模型对所述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，所述第一模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述电力设备和用能设备、通过分析所述电力设备和用能设备得到的分析结果所对应的控制指令；

依据所述控制指令，协同控制所述电力设备和用能设备的运行状态；

其中，依据所述控制指令，协同控制所述电力设备和用能设备的运行状态，包括：获取在预定时间范围内用户的用电需求；依据所述控制指令和所述用电需求，协同控制所述电力设备和用能设备的运行状态；

其中，在确定接入智能电网的电力设备和用能设备之前，所述方法还包括：

确定不同区域内的能源互联系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；

其中，所述分布式控制架构至少包括：集中控制层和中间控制层，确定不同区域内的能源互联系统的分层控制架构包括：确定不同区域内的能源互联系统的集中控制层，其中，所述集中控制层用于调度所述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，所述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

2.根据权利要求1所述的方法，其特征在于，所述第一模型至少包括：外特性功能模型和三相稳态模型，基于所述分布式控制架构，建立所述第一模型包括：

基于所述分布式控制架构，建立所述电力设备与所述柔性负荷的外特性功能模型；

基于所述分布式控制架构，建立所述能源互联系统的三相稳态模型，其中，所述三相稳态模型至少包括：输电线路模型、配电变压器模型、并联电容模型和负荷模型。

3.根据权利要求1所述的方法，其特征在于，使用第一模型对所述电力设备和用能设备进行分析，包括：

将所述电力设备和用能设备的组合信息输入所述第一模型，以确定所述控制指令作为所述第一模型的分析对象。

4.一种协同控制装置，其特征在于，包括：

第一确定模块，用于确定接入智能电网的电力设备和用能设备；

第二确定模块，用于使用第一模型对所述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，所述第一模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述电力设备和用能设备、通过分析所述电力设备和用能设备得到的分析结果所对应的控制指令；

控制模块，用于依据所述控制指令，协同控制所述电力设备和用能设备的运行状态；

其中，所述控制模块还用于通过如下方式，依据所述控制指令，协同控制所述电力设备和用能设备的运行状态：获取在预定时间范围内用户的用电需求；依据所述控制指令和所述用电需求，协同控制所述电力设备和用能设备的运行状态；

其中，所述装置还包括：第三确定模块，用于确定不同区域内的能源互联系统之间的分布式控制架构；建立模块，用于基于所述分布式控制架构，建立所述第一模型；

其中，所述分布式控制架构至少包括：集中控制层和中间控制层，所述第三确定模块还用于确定不同区域内的能源互联系统的集中控制层，其中，所述集中控制层用于调度所述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，所述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

5.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行如下方法步骤：确定接入智能电网的电力设备和用能设备；使用第一模型对所述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，所述第一模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述电力设备和用能设备、通过分析所述电力设备和用能设备得到的分析结果所对应的控制指令；依据所述控制指令，协同控制所述电力设备和用能设备的运行状态；其中，依据所述控制指令，协同控制所述电力设备和用能设备的运行状态，包括：获取在预定时间范围内用户的用电需求；依据所述控制指令和所述用电需求，协同控制所述电力设备和用能设备的运行状态；

其中，在确定接入智能电网的电力设备和用能设备之前，所述方法还包括：确定不同区域内的能源互联系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；

其中，所述分布式控制架构至少包括：集中控制层和中间控制层，确定不同区域内的能源互联系统的分层控制架构包括：确定不同区域内的能源互联系统的集中控制层，其中，所述集中控制层用于调度所述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，所述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

6.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如下方法步骤：确定接入智能电网的电力设备和用能设备；使用第一模型对所述电力设备和用能设备进行分析，确定与分析结果对应的控制指令，其中，所述第一模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述电力设备和用能设备、通过分析所述电力设备和用能设备得到的分析结果所对应的控制指令；依据所述控制指令，协同控制所述电力设备和用能设备的运行状态；其中，依据所述控制指令，协同控制所述电力设备和用能设备的运行状态，包括：获取在预定时间范围内用户的用电需求；依据所述控制指令和所述用电需求，协同控制所述电力设备和用能设备的运行状态；

其中，在确定接入智能电网的电力设备和用能设备之前，所述方法还包括：确定不同区域内的能源互联系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；

其中，所述分布式控制架构至少包括：集中控制层和中间控制层，确定不同区域内的能源互联系统的分层控制架构包括：确定不同区域内的能源互联系统的集中控制层，其中，所述集中控制层用于调度所述能源互联系统；确定不同区域内的能源互联系统的中间控制层，其中，所述中间控制层用于通过一致性算法耦合分布式电源和柔性负荷设备。

Images