CN115833115A - 多时间尺度分配模型的分布式资源边缘控制方法及装置 - Google Patents

Abstract

本发明涉及配电自动化技术领域，公开了一种多时间尺度分配模型的分布式资源边缘控制方法及装置。该方法包括：通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；获取综合时延，并根据综合时延，建立目标PID控制模型；通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制。本实施例的技术方案，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。

Description

多时间尺度分配模型的分布式资源边缘控制方法及装置

技术领域

本发明涉及配电自动化技术领域，尤其涉及一种多时间尺度分配模型的分布式资源边缘控制方法及装置。

背景技术

随着新型电力系统的建设，海量新能源作为分布式资源开始接入电力系统；然而，新能源出力难以控制、低惯量系统支撑能力弱和新能源难以充分消纳等问题，严重限制着新型电力系统的进一步发展。如何实现对分布式资源的高效和准确功率控制，成为推动新型电力系统发展的关键技术。

目前，现有的分布式资源的功率控制方法，通常是通过安装在现场的配电自动化装置，确定不同分布式资源对应的分配功率，进而控制各分布式资源进行对应分配功率的响应。然而，由于分布式资源包括分布式能源和负荷，现有技术中，在实现电压、功率、频率和惯量的主动支撑过程中，很难实现即快又准的响应，故较难实现对分布式资源快速且准确的功率控制。

发明内容

本发明提供了一种多时间尺度分配模型的分布式资源边缘控制方法及装置，可以实现对分布式资源的准确功率分配，可以提升功率边缘控制的响应速度和准确度。

根据本发明的一方面，提供了一种多时间尺度分配模型的分布式资源边缘控制方法，包括：

通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率；

获取综合时延，并根据所述综合时延，建立目标PID控制模型；

通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

根据本发明的另一方面，提供了一种多时间尺度分配模型的分布式资源边缘控制装置，包括：

分配功率获取模块，用于通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率；

控制模型建立模块，用于获取综合时延，并根据所述综合时延，建立目标PID控制模型；

功率控制模块，用于通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的多时间尺度分配模型的分布式资源边缘控制方法。

根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的多时间尺度分配模型的分布式资源边缘控制方法。

本发明实施例的技术方案，通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；之后，获取综合时延，并根据综合时延，建立目标PID控制模型；最后，通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1A是根据本发明实施例一提供的一种多时间尺度分配模型的分布式资源边缘控制方法的流程图；

图1B是根据本发明实施例一提供的一种基于目标PID控制模型进行边缘功率控制的流程示意图；

图1C是根据本发明实施例一提供的一种动模仿真测试系统的结构示意图；

图1D是根据本发明实施例一提供的一种动模仿真测试系统的实际应用场景示意图；

图1E是根据本发明实施例一提供的一种边缘智能控制装置记录的数据结果示意图；

图1F是根据本发明实施例一提供的另一种边缘智能控制装置记录的数据结果示意图；

图1G是根据本发明实施例一提供的另一种边缘智能控制装置记录的数据结果示意图；

图1H是根据本发明实施例一提供的另一种边缘智能控制装置记录的数据结果示意图；

图2是根据本发明实施例二提供的一种多时间尺度分配模型的分布式资源边缘控制装置的结构示意图；

图3是实现本发明实施例的多时间尺度分配模型的分布式资源边缘控制方法的电子设备的结构示意图。

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”、“目标”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。

实施例一

图1A为本发明实施例一提供了一种多时间尺度分配模型的分布式资源边缘控制方法的流程图，本实施例可适用于对电力系统中分布式资源进行功率分配和功率控制的情况，该方法可以由多时间尺度分配模型的分布式资源边缘控制装置来执行，该多时间尺度分配模型的分布式资源边缘控制装置可以采用硬件和/或软件的形式实现，该多时间尺度分配模型的分布式资源边缘控制装置可配置于电子设备中，典型的，电子设备可以是服务器或者计算机设备。如图1A所示，该方法包括：

S110、通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率。

其中，多时间尺度功率分配模型，用于在不同的时间阶段，为不同的分布式资源分配相应的功率。需要说明的是，不同的分布式资源，其对应的响应速度不同；为了实现对需求功率的稳定响应，在本实施例中，可以根据分布式资源对应的响应速度，为各分布式资源分配不同的启用时间阶段。

在一个具体的例子中，可以通过多时间尺度功率分配模型，预先配置时间阶段、分布式资源和分配功率之间的对应关系。由此，通过多时间尺度功率分配模型，可以根据当前系统时间查找得到匹配的对应关系；进一步的，可以基于查找得到的对应关系，获取当前系统时间应该启用的分布式资源，即目标分布式资源，以及该目标分布式资源对应的分配功率。其中，目标分布式资源的数量可以是一个或者多个。

其中，分布式资源，可以包括新能源设备，例如，可以包括光伏设备、风机设备、充电桩、储能设备、工业负荷、农业负荷、商业负荷（商业楼宇）、民用负荷、电容器、无功补偿装置、变压器抽接头、动态电压恢复器和动态电压调节器等。

S120、获取综合时延，并根据所述综合时延，建立目标PID控制模型。

其中，综合时延，可以是边缘智能控制装置对分布式资源进行功率控制的全过程时延；例如，可以包括边缘智能控制装置监测分布式资源的下网点功率的通信时延、下发指令到分布式资源的时延等。

其中，PID（Proportion Integral Differential，比例、积分和微分）控制模型，具有结构简单、稳定性好和可靠性高的特点，是工业自动控制的主要控制技术之一。在PID控制模型中，可以包括比例调节、微分调节和积分调节三种调节方式；其中，比例调节的作用是按比例反应系统的偏差，通过增大比例参数K_P值，可以加快调节，实现被控设备的快速的响应，但是K_P值过大将导致被控功率的超调和振荡，以及被控设备大幅度变化，同时会导致系统的不稳定。

其次，微分调节可以反映系统偏差信号的变化率，具有预见性，可以预见偏差变化的趋势，从而产生超前的控制作用，可以在偏差形成之前将其消除。通过增大微分系数K_d，可以增强系统的稳定特性，减小超调和改善瞬时响应，以及提升系统的动态性能。积分调节的作用是保证被控量在稳态时对设定值的无静差跟踪，可以使系统消除稳态误差，可以提升系统的控制精度。然而，积分调节的稳定作用较差，引入积分调节会降低系统的响应速度。

针对上述问题，在本实施例中，可以采用综合时延对现有的PID控制模型进行改进；具体的，可以基于综合时延，确定PID控制模型的模型参数，以建立目标PID控制模型。上述设置的好处在于，可以大幅减少偏差的幅度，节省控制时间，显著改善控制质量，以及提升响应性能。

在一个具体的例子中，在部署完成边缘智能控制装置与各分布式资源设备之间的通信连接之后，可以通过预先设置的测试消息，检测获取每个分布式资源对应的综合时延；由此，在确定目标分布式资源之后，可以直接获取目标分布式资源对应的综合时延。之后，可以基于该综合时延，确定PID控制模型的模型参数（比例系数、积分系数和微分系数），从而建立目标PID控制模型。

具体的，可以预先建立综合时延与模型参数之间的对应关系，从而在获取到当前的综合时延之后，可以根据当前的综合时延和预设的对应关系，确定当前的综合时延匹配的模型参数。典型的，综合时延越大，比例系数越小，以避免产生振荡和超调。

可选的，可以分别获取每个分布式资源设备对应的综合时延，并可以根据每个分布式资源设备对应的综合时延，计算得到统一综合时延（例如，平均值、中位数等）；进一步的，可以根据该统一综合时延，建立与各分布式资源设备对应的通用PID控制模型。

S130、通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

在一个具体的例子中，可以将目标分布式资源对应的分配功率作为目标PID控制模型的设定功率，并可以通过目标PID控制模型中的功率监测单元，实时监测目标分布式资源的下网点功率；之后，可以通过PID控制模型，根据该设定功率和实时监测功率，对目标分布式资源进行闭环控制，直至将目标分布式资源的下网点功率调整至与设定功率相等，以完成对目标分布式资源的功率控制。

需要说明的是，在电力系统中开展分布式资源的响应时，由于源荷不确定性，很难完全掌握准确的数学模型，边缘智能控制装置必须依靠经验和现场调试来确定。其次，如果响应过快，会导致响应的振荡和超调。在本实施例中，通过采用目标PID控制模型进行分布式资源的边缘功率控制，可以实现功率的快速跟踪，同时可以确保响应的稳定性、快速性和准确性。

在本实施例中，目标PID控制模型采用的控制函数可以表示为

，其中，

表示边缘控制的比例系数，

表示边缘控制的积分系数，

表示边缘控制的微分系数。在上述功率的边缘控制过程中，比例调节用于对功率偏差（下网点功率与设定功率之间的差值）瞬间作出反应，当出现功率偏差时，边缘控制装置可以立即响应，使下网点功率向减少偏差的方向变化；积分调节用于消除静态误差，提供被控制设备的稳定性，但也会降低控制功率的响应速度的超调量。微分调节用于阻止偏差的变化，可以根据功率偏差的变化趋势（变化速度）进行下网点功率的控制。其中，功率偏差变化越快，微分控制的输出就越大，并能在功率偏差变大之前进行修正。

在一个具体的例子中，目标PID控制模型可以采用增量式改进PID方法；首先，对控制函数进行离散化处理；具体的，以T作为采样周期，k作为采样序号，则离散采样时间对应着连续时间；其次，用矩形法数值积分近似代替积分，并用一阶后向差分近似代替微分。由此，可以实现数字化的改进PID控制，其公式可以表示为

。然后，取输出控制量

和

做差，即可获取增量式改进PID方法的表达式为

。

本发明实施例的技术方案，通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；之后，获取综合时延，并根据综合时延，建立目标PID控制模型；最后，通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。

在本实施例的一个可选的实施方式中，分布式资源可以包括暂态资源、动态资源和稳态资源，在通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率之前，还可以包括：

根据公式

，建立多时间尺度功率分配模型；

其中，

表示总响应功率，

表示暂态资源对应的分配系数，

表示暂态资源对应的分配功率，

，

表示动态资源对应的分配系数，

表示动态资源对应的分配功率，

，

表示稳态资源对应的分配系数，

表示稳态资源对应的分配功率，

，

和

分别表示第一时间阈值和第二时间阈值。第一时间阈值和第二时间阈值，可以是预先设置的时间点，且第二时间阈值大于第一时间阈值。

其中，暂态资源可以包括光伏设备、风机设备、充电桩、储能设备、工业负荷和动态电压调节器中的至少一项，动态资源可以包括农业负荷、商业负荷和民用负荷中的至少一项，以及稳态资源可以包括电容器、无功补偿装置和变压器抽接头中的至少一项。其中，工业负荷，可以包括炼钢厂、炼铝厂等；民用负荷，可以包括空调、冰箱、加热器等。

在本实施例中，可以根据分布式资源的响应速度，将分布式资源划分为暂态资源、动态资源和稳态资源三类，其中，暂态资源的响应速度最快，稳态资源的响应速度最慢，动态资源的响应速度一般。同时，可以预先配置每种分布式资源对应的分配系数。具体的，在最初的快速响应阶段，即时间小于或者等于第一时间阈值时，将主要的功率分配给快响应的暂态资源，各暂态资源分得的功率可以由对应的分配系数决定。而当时间大于第一时间阈值，且小于或者等于第二时间阈值时，可以将响应的总功率分配给响应速度一般的动态资源。此外，当时间大于第二时间阈值时，可以将响应的总功率分配给响应速度较慢的稳态资源。

在本实施例的另一个可选的实施方式中，获取综合时延，可以包括：

获取功率监测通信时延、控制指令下发时延和控制指令响应时延；

根据所述功率监测通信时延、所述控制指令下发时延和所述控制指令响应时延，获取综合时延。

其中，功率监测通信时延，可以是边缘智能控制装置监测分布式资源的下网点功率的通信时延；控制指令下发时延，可以是边缘智能控制装置下发控制指令到分布式资源的时延；控制指令响应时延，可以是分布式资源响应控制指令的时延。在本实施例中，可以通过预先的模拟测试，例如，发送预编译的控制指令等，以获取各项时延数据。

在一个具体的例子中，首先，获取目标分布式资源对应的功率监测通信时延、控制指令下发时延和控制指令响应时延；然后，可以将各项时延进行相加，并将和值作为目标分布式资源对应的综合时延。

在本实施例的另一个可选的实施方式中，根据所述综合时延，建立目标PID控制模型，可以包括：

建立初始PID控制模型，并根据所述综合时延，对所述初始PID控制模型对应的模型参数进行更新，以获取目标PID控制模型。

在一个具体的例子中，首先，可以根据预先设置的原始模型参数，建立初始PID控制模型；然后，在获取到综合时延之后，可以根据当前的综合时延，以及预先设置的综合时延和模型参数之间的对照关系表，获取当前的综合时延对应的更新模型参数；最后，可以采用该更新模型参数对原始模型参数进行替换，以获取目标PID控制模型。

在本实施例的另一个可选的实施方式中，通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制，可以包括：

通过所述目标PID控制模型，获取所述目标分布式资源对应的下网点功率，并根据所述分配功率和所述下网点功率，获取功率偏差；

通过所述目标PID控制模型，根据所述功率偏差，获取所述目标分布式资源对应的控制功率；

根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量；

基于所述调节量，完成对所述目标分布式资源对应的下网点功率的控制。

在本实施例中，可以通过目标PID控制模型中内置的模数转换器、电压互感器和电流互感器，监测获取目标分布式资源对应的实时下网点功率。之后，可以将目标分布式资源对应的分配功率作为设定功率，并计算得到设定功率与下网点功率之间的差值，以作为功率偏差。然后，目标PID控制模型可以通过内置的控制方法，根据该功率差值，计算得到控制功率。最后，可以基于该控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，查找得到目标分布式资源对应的调节量（例如，转速、运行时长等），并基于该调节量生成控制指令发送到目标分布式资源，以调整目标分布式资源的下网点功率。

在本实施例的另一个可选的实施方式中，根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量，可以包括：

若检测到所述目标分布式资源对应的控制功率大于预设功率阈值，且小于预设限制功率，则根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量。

在本实施例中，在目标PID控制模型中，还可以预先设置功率阈值和限制功率，只有当控制功率在预设功率阈值与预设限制功率之间时，控制功率才有效。上述设置的好处在于，可以避免产生震荡，且可以避免功率过大烧坏设备。

在本实施例的一个具体的实施方式中，基于目标PID控制模型进行边缘功率控制的流程可以如图1B所示。首先，可以根据综合时延，确定比例系数、积分系数和微分系数，并可以建立控制量与控制功率之间的对应关系，以及将分配功率作为设定功率；同时，可以监测获取分布式资源的下网点功率。然后，计算得到设定功率与下网点功率之间的功率偏差，并通过内置的PID控制方法，根据该功率偏差，计算得到控制功率。最后，当检测到该控制功率大于预设功率阈值，且小于预设限制功率时，根据该控制功率，以及预先设置的控制量与控制功率之间的对应关系，获取当前的控制量，并基于该控制量调整分布式资源的下网点功率。通过上述的闭环控制过程，可以最终使得分布式资源的下网点功率等于设定功率。

在本实施例中，可以采用一种动模仿真测试方法，验证本实施例的多时间尺度分配模型的分布式资源边缘控制方法的有效性。具体的，可以基于RTLAB实时仿真试验平台，搭建含分布式电源的工程实际模型，以开展含新能源并网的硬件在环测试，验证智控装置逻辑的正确性，为电网区域功率协调控制、事故反演复现等提供技术支撑。其中，动模仿真测试系统，可以基于硬件在环数字仿真平台，采用半实物仿真的技术路线，对搭载软件定义算法的通用硬件平台进行硬件在环测试，评价验证软件定义算法的有效性，支撑软件定义算法不断优化更新。

其中，动模仿真测试系统的逻辑结构可以如图1C所示；其中，被测装置可以是边缘智能控制装置，可以配置有本实施例的多时间尺度分配模型的分布式资源边缘控制方法；实时仿真系统，可以是对电力系统的仿真模拟，可以包括不同的分布式资源。对应的，动模仿真测试系统的实际应用场景可以如图1D所示。通过搭建面向新型电力系统的边缘智能控制装置动模测试平台，可以实现对智控装置的动模测试及高级应用的功能测试，可以验证基于智控装置的功率支撑等高级功能的正确性和有效性。

在一种情况下，当不进行任何控制时，边缘智能控制装置10ms每帧记录的数据结果可以如图1E所示；其中，在未配置边缘智能控制装置时，当新能源的功率骤降时，导致下网点功率巨大波动，二次功率从540瓦（W）上升至870瓦，波动率为61.1%。而当仅进行比例控制时，边缘智能控制装置记录的数据结果可以如图1F所示；其中，智控装置通过监测新能源的出力，调节区域内柔性负荷；之后，智控装置与仿真器RT-LAB基于通信协议进行通信，将需要控制的功率下发至柔性负荷。当通过智控装置仅进行比例控制时，若新能源的功率骤降，则通过智控装置的仅比例控制环节的正确动作，可以同步减少柔性负荷的功率，削减下网点功率的波动，二次功率从540W上升至700W，波动率为29.6%。

其次，当包括比例控制时，边缘智能控制装置记录的数据结果可以如图1G所示；其中，不仅导致功率大幅度振荡，同时带来频率的变化，影响系统的稳定运行。当智控装置采用本实施例的多时间尺度分配模型的分布式资源边缘控制方法时，边缘智能控制装置记录的数据结果可以如图1H所示；其中，当新能源的功率骤降时，通过智控装置的正确动作，在快速减少了柔性负荷的功率的同时，削减了下网点功率的波动，二次功率从540W上升至665W后，很快恢复到540W，实现了对功率快速准确的边缘控制。

实施例二

图2为本发明实施例二提供的一种多时间尺度分配模型的分布式资源边缘控制装置的结构示意图。如图2所示，该装置可以包括：分配功率获取模块210、控制模型建立模块220和功率控制模块230；其中，

分配功率获取模块210，用于通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率；

控制模型建立模块220，用于获取综合时延，并根据所述综合时延，建立目标PID控制模型；

功率控制模块230，用于通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

本发明实施例的技术方案，通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；之后，获取综合时延，并根据综合时延，建立目标PID控制模型；最后，通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。

可选的，所述分布式资源包括暂态资源、动态资源和稳态资源；所述多时间尺度分配模型的分布式资源边缘控制装置，还包括：

根据公式

，建立多时间尺度功率分配模型；

其中，

表示总响应功率，

表示暂态资源对应的分配系数，

表示暂态资源对应的分配功率，

，

表示动态资源对应的分配系数，

表示动态资源对应的分配功率，

，

表示稳态资源对应的分配系数，

表示稳态资源对应的分配功率，

，

和

分别表示第一时间阈值和第二时间阈值。

可选的，所述暂态资源包括光伏设备、风机设备、充电桩、储能设备、工业负荷和动态电压调节器中的至少一项，所述动态资源包括农业负荷、商业负荷和民用负荷中的至少一项，以及所述稳态资源包括电容器、无功补偿装置和变压器抽接头中的至少一项。

可选的，控制模型建立模块220，具体用于获取功率监测通信时延、控制指令下发时延和控制指令响应时延；

根据所述功率监测通信时延、所述控制指令下发时延和所述控制指令响应时延，获取综合时延。

可选的，控制模型建立模块220，具体用于建立初始PID控制模型，并根据所述综合时延，对所述初始PID控制模型对应的模型参数进行更新，以获取目标PID控制模型。

可选的，功率控制模块230，包括：

功率偏差获取单元，用于通过所述目标PID控制模型，获取所述目标分布式资源对应的下网点功率，并根据所述分配功率和所述下网点功率，获取功率偏差；

控制功率获取单元，用于通过所述目标PID控制模型，根据所述功率偏差，获取所述目标分布式资源对应的控制功率；

调节量获取单元，用于根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量；

功率控制单元，用于基于所述调节量，完成对所述目标分布式资源对应的下网点功率的控制。

可选的，调节量获取单元，具体用于若检测到所述目标分布式资源对应的控制功率大于预设功率阈值，且小于预设限制功率，则根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量。

本发明实施例所提供的多时间尺度分配模型的分布式资源边缘控制装置可执行本发明任意实施例所提供的多时间尺度分配模型的分布式资源边缘控制方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3示出了可以用来实施本发明的实施例的电子设备30的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器（ROM）32、随机访问存储器（RAM）33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器（ROM）32中的计算机程序或者从存储单元38加载到随机访问存储器（RAM）33中的计算机程序，来执行各种适当的动作和处理。在RAM 33中，还可存储电子设备30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出（I/O）接口35也连接至总线34。

电子设备30中的多个部件连接至I/O接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理，例如多时间尺度分配模型的分布式资源边缘控制方法。

在一些实施例中，多时间尺度分配模型的分布式资源边缘控制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到RAM 33并由处理器31执行时，可以执行上文描述的多时间尺度分配模型的分布式资源边缘控制方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行多时间尺度分配模型的分布式资源边缘控制方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种多时间尺度分配模型的分布式资源边缘控制方法，其特征在于，包括：

通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率；

获取综合时延，并根据所述综合时延，建立目标PID控制模型；

通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

2.根据权利要求1所述的方法，其特征在于，所述分布式资源包括暂态资源、动态资源和稳态资源，在通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率之前，还包括：

根据公式

，建立多时间尺度功率分配模型；

其中，

表示总响应功率，

表示暂态资源对应的分配系数，

表示暂态资源对应的分配功率，

，

表示动态资源对应的分配系数，

表示动态资源对应的分配功率，

，

表示稳态资源对应的分配系数，

表示稳态资源对应的分配功率，

，

和

分别表示第一时间阈值和第二时间阈值。

3.根据权利要求2所述的方法，其特征在于，所述暂态资源包括光伏设备、风机设备、充电桩、储能设备、工业负荷和动态电压调节器中的至少一项，所述动态资源包括农业负荷、商业负荷和民用负荷中的至少一项，以及所述稳态资源包括电容器、无功补偿装置和变压器抽接头中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述获取综合时延，包括：

获取功率监测通信时延、控制指令下发时延和控制指令响应时延；

根据所述功率监测通信时延、所述控制指令下发时延和所述控制指令响应时延，获取综合时延。

5.根据权利要求4所述的方法，其特征在于，根据所述综合时延，建立目标PID控制模型，包括：

建立初始PID控制模型，并根据所述综合时延，对所述初始PID控制模型对应的模型参数进行更新，以获取目标PID控制模型。

6.根据权利要求1所述的方法，其特征在于，通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制，包括：

通过所述目标PID控制模型，获取所述目标分布式资源对应的下网点功率，并根据所述分配功率和所述下网点功率，获取功率偏差；

通过所述目标PID控制模型，根据所述功率偏差，获取所述目标分布式资源对应的控制功率；

根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量；

基于所述调节量，完成对所述目标分布式资源对应的下网点功率的控制。

7.根据权利要求6所述的方法，其特征在于，根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量，包括：

若检测到所述目标分布式资源对应的控制功率大于预设功率阈值，且小于预设限制功率，则根据所述目标分布式资源对应的控制功率，以及预先设置的分布式资源、调节量和控制功率之间的对应关系，获取所述目标分布式资源对应的调节量。

8.一种多时间尺度分配模型的分布式资源边缘控制装置，其特征在于，包括：

分配功率获取模块，用于通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及所述目标分布式资源对应的分配功率；

控制模型建立模块，用于获取综合时延，并根据所述综合时延，建立目标PID控制模型；

功率控制模块，用于通过所述目标PID控制模型，根据所述目标分布式资源对应的分配功率，对所述目标分布式资源进行功率控制。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的多时间尺度分配模型的分布式资源边缘控制方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的多时间尺度分配模型的分布式资源边缘控制方法。

Images