CN116345498B - 数据-模型混合驱动的电力系统的频率紧急协调控制方法 - Google Patents
数据-模型混合驱动的电力系统的频率紧急协调控制方法 Download PDFInfo
- Publication number
- CN116345498B CN116345498B CN202310621723.2A CN202310621723A CN116345498B CN 116345498 B CN116345498 B CN 116345498B CN 202310621723 A CN202310621723 A CN 202310621723A CN 116345498 B CN116345498 B CN 116345498B
- Authority
- CN
- China
- Prior art keywords
- power
- power system
- coordination control
- information
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及电力技术领域,提供了一种数据‑模型混合驱动的电力系统的频率紧急协调控制方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现提高对电力系统进行频率紧急协调控制的准确性。该方法包括:在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种数据-模型混合驱动的电力系统的频率紧急协调控制方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力技术的发展,频率稳定是电力系统安全稳定运行的重要因素。若电力系统发生频率崩溃事故,会带来巨大的经济损失。因此,如何准确地对电力系统进行频率紧急协调控制,成为了重要的研究方向。
传统技术通常是通过人工收集电力系统的各方面数据,从而专家根据这些数据对电力系统进行频率紧急协调控制;但是该方式主要依据主观判断,导致对电力系统进行频率紧急协调控制的准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种数据-模型混合驱动的电力系统的频率紧急协调控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种数据-模型混合驱动的电力系统的频率紧急协调控制方法。所述方法包括:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;
通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;
将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;
根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
在其中一个实施例中,所述通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据,包括:
通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;
将所述电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据进行组合,得到所述电力系统的电网的当前运行状态信息对应的仿真数据。
在其中一个实施例中,所述在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息,包括:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;
将所述电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息进行组合,得到所述电力系统的电网的当前运行状态信息。
在其中一个实施例中,所述将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令,包括:
将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;
根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令。
在其中一个实施例中,所述将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,包括:
将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;
根据所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据,得到所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息。
在其中一个实施例中,所述根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令,包括:
根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;
根据所述目标频率紧急协调控制类型,确定频率紧急协调控制指令。
在其中一个实施例中,所述预先训练的频率紧急协调控制模型通过下述方式训练得到:
获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;
将所述样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;
根据所述预测频率紧急协调控制指令和所述实际频率紧急协调控制指令之间的差异,对所述待训练的频率紧急协调控制模型进行训练,得到所述预先训练的频率紧急协调控制模型。
第二方面,本申请还提供了一种数据-模型混合驱动的电力系统的频率紧急协调控制装置。所述装置包括:
信息获取模块,用于在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;
信息处理模块,用于通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;
数据输入模块,用于将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;
系统控制模块,用于根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
第四方面,本申请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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
上述数据-模型混合驱动的电力系统的频率紧急协调控制方法、装置、计算机设备、存储介质和计算机程序产品,在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。该方案通过在检测到电力系统的频率满足预设频率故障条件的情况下,则判断为电力系统发生了频率故障,获取电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,从而自动得到准确的频率紧急协调控制指令;根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制,从而有利于提高对电力系统进行频率紧急协调控制的准确性和效率,使得控制电力系统消除频率故障,保证电力系统频率稳定。
附图说明
图1为一个实施例中数据-模型混合驱动的电力系统的频率紧急协调控制方法的流程示意图;
图2为一个实施例中数据-模型混合驱动的电力系统的频率紧急协调控制方法的信息流示意图;
图3为一个实施例中数据-模型混合驱动的电力系统的频率紧急协调控制装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种数据-模型混合驱动的电力系统的频率紧急协调控制方法,本实施例以该方法应用于终端进行举例说明,包括以下步骤:
步骤S101,在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息。
本步骤中,电力系统的频率可以包括负荷频率和发电频率;预设频率故障条件可以是预先设置的频率故障条件,例如预先设置的频率紧急条件,如因电力系统遭受故障导致有功功率严重不平衡的情况对应的条件,或因电力系统遭受直流闭锁等严重功率扰动事件的情况对应的条件;电力系统的电网可以是属于电力系统的电网;当前运行状态信息可以是电力系统的电网在当前时间的运行状态的相关信息。
具体的,终端检测电力系统的频率是否满足预设频率故障条件,在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息。
步骤S102,通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据。
本步骤中,如图2所示,电力系统时域仿真模型可以是高性能的交直流电力系统时域仿真软件;仿真数据可以是电网状态的仿真数据。
具体的,终端将电力系统的电网的当前运行状态信息,输入至电力系统时域仿真模型,通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据。
步骤S103,将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令。
本步骤中,如图2所示,预先训练的频率紧急协调控制模型可以是预先训练的深度强化学习智能体,例如预先训练的基于注意力神经网络(注意力机制)构建得到的频率紧急协调控制模型;频率紧急协调控制指令可以是用于对电力系统进行控制的频率紧急协调控制指令。
具体的,终端将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,通过预先训练的频率紧急协调控制模型,对电力系统的电网的当前运行状态信息对应的仿真数据进行基于注意力机制的解析,得到电力系统的频率紧急协调控制指令。
步骤S104,根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制。
本步骤中,频率紧急协调控制可以是用于控制电力系统消除频率故障、保证电力系统频率稳定的控制处理。
具体的,终端将频率紧急协调控制指令发送至电力系统的电网控制端和电力系统时域仿真模型,利用频率紧急协调控制指令,对电力系统进行与频率紧急协调控制指令对应的频率紧急协调控制。
上述数据-模型混合驱动的电力系统的频率紧急协调控制方法中,在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制。该方案通过在检测到电力系统的频率满足预设频率故障条件的情况下,则判断为电力系统发生了频率故障,获取电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,从而自动得到准确的频率紧急协调控制指令;根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制,从而有利于提高对电力系统进行频率紧急协调控制的准确性和效率,使得控制电力系统消除频率故障,保证电力系统频率稳定。
在一个实施例中,在步骤S102中,通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据,具体包括如下内容:通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;将电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据进行组合,得到电力系统的电网的当前运行状态信息对应的仿真数据。
本实施例中,电压仿真数据可以是电压维度(类型)的仿真数据;电流仿真数据可以是电流维度的仿真数据;频率仿真数据可以是频率维度的仿真数据;相角仿真数据可以是电力系统的相角维度的仿真数据。
具体的,终端通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;将电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据进行组合,得到组合后的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据,作为电力系统的电网的当前运行状态信息对应的仿真数据。
本实施例的技术方案,通过将电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据,作为电力系统的电网的当前运行状态信息对应的仿真数据,有利于提高得到电力系统的电网的当前运行状态信息对应的仿真数据的准确性,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性。
在一个实施例中,在步骤S101中,在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息,具体包括如下内容:在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;将电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息进行组合,得到电力系统的电网的当前运行状态信息。
本实施例中,负荷预测信息可以是负荷维度的预测信息,例如预测的负荷值;新能源预测信息可以是新能源维度的预测信息,例如预测的新能源信息;电压信息可以是电压维度的信息,例如电压值;功率信息可以是功率维度的信息,例如功率值;机组出力信息可以是指发电机组发出的电力功率。
具体的,终端在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;将电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息进行组合,将组合后的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息,作为电力系统的电网的当前运行状态信息。
本实施例的技术方案,通过将电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息,作为电力系统的电网的当前运行状态信息,有利于得到更准确的电力系统的电网的当前运行状态信息,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性。
在一个实施例中,在步骤S103中,将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令,具体包括如下内容:将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令。
本实施例中,机组的功率信息可以是指机组(如发电机组)的功率,例如机组的有功功率和无功功率;负荷的功率信息可以是指负荷的功率,例如负荷的有功功率、无功功率、预测的有功功率和/或预测的无功功率;直流的功率信息可以是指直流功率。
具体的,终端将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到预先训练的频率紧急协调控制模型输出的电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;通过预先训练的频率紧急协调控制模型,对电力系统的机组的功率信息、负荷的功率信息和直流的功率信息进行解析,得到预先训练的频率紧急协调控制模型输出的频率紧急协调控制指令。
本实施例的技术方案,通过根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令,有利于得到更准确的频率紧急协调控制指令,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性。
在一个实施例中,在步骤S103中,将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,具体包括如下内容:将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;根据电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息。
本实施例中,目标状态分量数据可以是仿真数据中的部分仿真数据或部分维度的仿真数据,例如基于注意力机制确定出的部分仿真数据(重要的状态分量数据)。
具体的,终端将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,利用状态注意力机制层将注意力分配到不同的分量上,自动关注重要的状态分量,得到电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;对电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据进行解析,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息。
本实施例的技术方案,通过根据电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,有利于得到更准确的电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性。
在一个实施例中,在步骤S103中,根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令,具体包括如下内容:根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;根据目标频率紧急协调控制类型,确定频率紧急协调控制指令。
本实施例中,预设的候选频率紧急协调控制类型可以是预先设置的候选频率紧急协调控制类型,可以包括送端电网紧急切机、受端电网紧急直流功率支援、抽水蓄能机组切泵控制、精准切负荷等候选频率紧急协调控制类型;目标频率紧急协调控制类型可以是预设的候选频率紧急协调控制类型中的一种或多种候选频率紧急协调控制类型。
具体的,终端根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定出对电力系统进行频率紧急协调控制的目标频率紧急协调控制类型;根据目标频率紧急协调控制类型,以及电力系统的机组的功率信息、负荷的功率信息和直流的功率信息的对应的数值,确定频率紧急协调控制指令。
本实施例的技术方案,通过根据目标频率紧急协调控制类型,确定频率紧急协调控制指令,有利于得到更准确的频率紧急协调控制指令,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性。
在一个实施例中,预先训练的频率紧急协调控制模型通过下述方式训练得到,具体包括如下内容:获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;将样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;根据预测频率紧急协调控制指令和实际频率紧急协调控制指令之间的差异,对待训练的频率紧急协调控制模型进行训练,得到预先训练的频率紧急协调控制模型。
本实施例中,样本电力系统可以是用于训练模型的作为样本的电力系统;样本运行状态信息可以是样本电力系统对应的运行状态信息,可以是作为样本的运行状态信息;样本仿真数据可以由电力系统时域仿真模型,对样本电力系统的电网的样本运行状态信息进行仿真处理得到;实际频率紧急协调控制指令可以是样本电力系统的电网的样本运行状态信息对应的实际频率紧急协调控制指令,例如用于解决样本电力系统的频率故障的真实(正确)频率紧急协调控制指令;待训练的频率紧急协调控制模型可以是待训练的深度强化学习智能体,例如待训练的基于注意力神经网络(注意力机制)构建得到的频率紧急协调控制模型;预测频率紧急协调控制指令可以是待训练的频率紧急协调控制模型输出的频率紧急协调控制指令。
具体的,终端获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;将样本仿真数据输入至待训练的频率紧急协调控制模型,得到待训练的频率紧急协调控制模型输出的预测频率紧急协调控制指令;根据预测频率紧急协调控制指令和实际频率紧急协调控制指令之间的差异,对待训练的频率紧急协调控制模型进行训练,得到预先训练的频率紧急协调控制模型。
本实施例的技术方案,通过利用样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令,对待训练的频率紧急协调控制模型进行训练,得到预先训练的频率紧急协调控制模型,有利于得到更准确和更高效的预先训练的频率紧急协调控制模型,从而有利于后续提高对电力系统进行频率紧急协调控制的准确性和效率。
以下以一个实施例说明本申请提供的数据-模型混合驱动的电力系统的频率紧急协调控制方法,本实施例以该方法应用于终端进行举例说明,主要步骤包括:
第一步,终端获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;将样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;根据预测频率紧急协调控制指令和实际频率紧急协调控制指令之间的差异,对待训练的频率紧急协调控制模型进行训练,得到预先训练的频率紧急协调控制模型。
第二步,终端在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;将电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息进行组合,得到电力系统的电网的当前运行状态信息。
第三步,终端通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;将电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据进行组合,得到电力系统的电网的当前运行状态信息对应的仿真数据。
第四步,终端将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;根据电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息。
第五步,终端根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;根据目标频率紧急协调控制类型,确定频率紧急协调控制指令。
第六步,终端根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制。
本实施例的技术方案,通过在检测到电力系统的频率满足预设频率故障条件的情况下,则判断为电力系统发生了频率故障,获取电力系统的电网的当前运行状态信息;通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,从而自动得到准确的频率紧急协调控制指令;根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制,从而有利于提高对电力系统进行频率紧急协调控制的准确性和效率,使得控制电力系统消除频率故障,保证电力系统频率稳定。
以下以一个应用实例说明本申请提供的数据-模型混合驱动的电力系统的频率紧急协调控制方法,本应用实例以该方法应用于终端进行举例说明,如图2所示,主要步骤包括:
第一步,终端在识别到电力系统出现频率紧急时,快速获取电力系统的电网的当前运行状态,同步发送给高性能交直流电力系统时域仿真软件。
第二步,终端通过仿真软件将仿真数据传输给深度强化学习智能体。
其中,电网状态信息(电网的当前运行状态)包括:负荷预测信息、新能源预测信息、电压信息、功率信息、机组出力信息等,这些信息反映了整个电网系统的当前状态。因此,电网状态Si可表示为式:S={PL,QL,PG,QG,U,θU,I,θI,PL预测,QL预测,f},其中、PL、QL是负荷的有功功率和无功功率,PG、QG是机组的有功功率和无功功率,PL预测、QL预测是负荷预测的有功功率和无功功率(例如预测下一时刻的负荷的有功功率和无功功率),U、θU是电网各节点电压幅值,I、θI是电网各支路电流幅值,f是各节点频率;仿真数据可以是经过场景推演后的仿真数据。
第三步,终端通过强化学习智能体,根据获取的系统信息(如信息流,包括电压数据、电流数据、频率数据和相角数据)进行滚动调度决策,输出智能决策动作,下发调节指令(如受端控制信息)。
其中,强化学习智能体输出变量为常规机组、负荷、直流的功率,可以是输出A=[PG,PL,PZ],其中PG是负荷的有功功率和无功功率,PL是机组的有功功率和无功功率,PZ是负荷预测的有功功率和无功功率。
其中,注意力机制:面向海量、异构、高维的电力系统运行数据,利用状态注意力机制层将注意力分配到不同的分量上,自动关注重要的状态分量,进一步以增强网络的特征提取能力,从而获得更准确的系统状态,实现系统动态过程的高效表达。注意力机制里的关键变量为查询向量Q、键向量K和值向量V。Q=z1Wq,K=Z2Wk,V=z2Wv,这里Wq、Wk、Wv为每一层网络中的参数,都为(d,d)大小矩阵,z1、z2为隐空间变量,在自注意力模块中z1=z2为编码器或者解码器各自的隐空间变量;而在交叉注意力模块中z1为当前层解码器隐空间变量,z2则为编码器的最终输出隐空间变量。Transformer(变压器)的注意力机制的核心理念是找到一个注意力矩阵A,它包含了向量与向量之间每一个元素对于其他元素(自注意力模块中包括自己)所关注的度(可理解为从0到1的概率),该注意力矩阵再与值向量V相乘得出句子里各个字的具体数值。
其中,优先经验回放:在传统的强化学习算法中,每一个样本都会以相同的概率从经验回放池中采样出来,即以相同的频率被学习。但实际上,每一个样本学习的难度及收获是不同的,如果平等地看待每一个样本,就会在那些简单易学习的样本上花费比较多的时间,没有充分挖掘学习的潜力。因此采用优先经验回放技术,根据模型对当前样本的表现情况,给样本一定的权重,交互时表现得越差,对应的权重越高,采样的概率也就越高:反过来,交互时表现得越好,那么权重也就越低,采样的概率也就越低。模型就会把更多的精力放在未有效学习的样本上,提高样本的使用效率;例如,各样本都有对应的采样权值(采样概率),可以表示为样本的优先级,抽取样本时根据各样本的采样权值进行样本采样。
第四步,终端下发调节指令至电网和仿真软件,在电网和仿真软件接收到指令时,通过电网和仿真软件实现频率紧急协调控制。
本应用实例的技术方案,实现通过数据-模型混合驱动,利用构建好的模型与样本集,训练基于注意力机制和优先回放频率紧急协调控制优化强化学习模型(利用注意力机制自动关注重要的状态分量,增强网络的特征提取能力;采用优先回放关键样本,提高样本使用效率,从而提升训练效果),提升频率紧急协调控制优化速度,实现电力系统频率在线紧急协调控制优化决策;通过数据-模型混合驱动,训练基于注意力机制和优先回放频率紧急协调控制优化强化学习模型,提升频率紧急协调控制优化速度,实现电力系统频率亚秒级在线紧急协调控制优化决策;电力系统紧急控制是保证电力系统大扰动后稳定运行而进行的控制措施,在直流闭锁等严重功率扰动事件下,紧急控制可以为电网提供紧急功率支撑,避免系统频率安全崩溃;采用数据-模型混合驱动的方式,将强化学习和时域仿真深度耦合,通过仿真模型的设计,引导强化学习智能体的探索与训练,高性能电力系统时域仿真软件不断进行仿真提供数据,包括电压、电流、频率、相角等数据,强化学习在与仿真环境不断交互的过程中收集数据,根据时域仿真的反馈学习知识,实现电力系统频率在线紧急协调控制优化决策。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的数据-模型混合驱动的电力系统的频率紧急协调控制方法的数据-模型混合驱动的电力系统的频率紧急协调控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个数据-模型混合驱动的电力系统的频率紧急协调控制装置实施例中的具体限定可以参见上文中对于数据-模型混合驱动的电力系统的频率紧急协调控制方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种数据-模型混合驱动的电力系统的频率紧急协调控制装置,该装置300可以包括:
信息获取模块301,用于在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的当前运行状态信息;
信息处理模块302,用于通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的仿真数据;
数据输入模块303,用于将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到频率紧急协调控制指令;
系统控制模块304,用于根据频率紧急协调控制指令,对电力系统进行频率紧急协调控制。
在一个实施例中,信息处理模块302,还用于通过电力系统时域仿真模型,对电力系统的电网的当前运行状态信息进行仿真处理,得到电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;将电力系统的电网的当前运行状态信息对应的电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据进行组合,得到电力系统的电网的当前运行状态信息对应的仿真数据。
在一个实施例中,信息获取模块301,还用于在检测到电力系统的频率满足预设频率故障条件的情况下,获取电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;将电力系统的电网的负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息进行组合,得到电力系统的电网的当前运行状态信息。
在一个实施例中,数据输入模块303,还用于将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令。
在一个实施例中,数据输入模块303,还用于将电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,得到电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;根据电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据,得到电力系统的机组的功率信息、负荷的功率信息和直流的功率信息。
在一个实施例中,数据输入模块303,还用于根据电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;根据目标频率紧急协调控制类型,确定频率紧急协调控制指令。
在一个实施例中,该装置300还包括:模型训练模块,用于获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;将样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;根据预测频率紧急协调控制指令和实际频率紧急协调控制指令之间的差异,对待训练的频率紧急协调控制模型进行训练,得到预先训练的频率紧急协调控制模型。
上述数据-模型混合驱动的电力系统的频率紧急协调控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种数据-模型混合驱动的电力系统的频率紧急协调控制方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据-模型混合驱动的电力系统的频率紧急协调控制方法,其特征在于,所述方法包括:
在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;所述电力系统的电网的当前运行状态信息包括负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;
通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;所述电力系统的电网的当前运行状态信息对应的仿真数据包括电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;
将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,利用状态注意力机制层将注意力分配到不同的分量上,自动关注重要的状态分量,得到所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;
对所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据进行解析,得到所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;
根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令;
根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
2.根据权利要求1所述的方法,其特征在于,所述电力系统的机组的功率信息为所述电力系统的机组的有功功率和无功功率。
3.根据权利要求1所述的方法,其特征在于,所述根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令,包括:
根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;
根据所述目标频率紧急协调控制类型,确定频率紧急协调控制指令。
4.根据权利要求1所述的方法,其特征在于,所述预先训练的频率紧急协调控制模型通过下述方式训练得到:
获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;
将所述样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;
根据所述预测频率紧急协调控制指令和所述实际频率紧急协调控制指令之间的差异,对所述待训练的频率紧急协调控制模型进行训练,得到所述预先训练的频率紧急协调控制模型。
5.根据权利要求1所述的方法,其特征在于,所述电力系统的频率包括负荷频率和发电频率。
6.一种数据-模型混合驱动的电力系统的频率紧急协调控制装置,其特征在于,所述装置包括:
信息获取模块,用于在检测到电力系统的频率满足预设频率故障条件的情况下,获取所述电力系统的电网的当前运行状态信息;所述电力系统的电网的当前运行状态信息包括负荷预测信息、新能源预测信息、电压信息、功率信息和机组出力信息;
信息处理模块,用于通过电力系统时域仿真模型,对所述电力系统的电网的当前运行状态信息进行仿真处理,得到所述电力系统的电网的当前运行状态信息对应的仿真数据;所述电力系统的电网的当前运行状态信息对应的仿真数据包括电压仿真数据、电流仿真数据、频率仿真数据和相角仿真数据;
数据输入模块,用于将所述电力系统的电网的当前运行状态信息对应的仿真数据,输入至预先训练的频率紧急协调控制模型,利用状态注意力机制层将注意力分配到不同的分量上,自动关注重要的状态分量,得到所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据;对所述电力系统的电网的当前运行状态信息对应的仿真数据中的目标状态分量数据进行解析,得到所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息;根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,得到频率紧急协调控制指令;
系统控制模块,用于根据所述频率紧急协调控制指令,对所述电力系统进行频率紧急协调控制。
7.根据权利要求6所述的装置,其特征在于,数据输入模块,还用于:
根据所述电力系统的机组的功率信息、负荷的功率信息和直流的功率信息,在预设的候选频率紧急协调控制类型中,确定目标频率紧急协调控制类型;
根据所述目标频率紧急协调控制类型,确定频率紧急协调控制指令。
8.根据权利要求6所述的装置,其特征在于,该装置还包括:模型训练模块,用于:
获取样本电力系统的电网的样本运行状态信息对应的样本仿真数据和实际频率紧急协调控制指令;
将所述样本仿真数据输入至待训练的频率紧急协调控制模型,得到预测频率紧急协调控制指令;
根据所述预测频率紧急协调控制指令和所述实际频率紧急协调控制指令之间的差异,对所述待训练的频率紧急协调控制模型进行训练,得到所述预先训练的频率紧急协调控制模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310621723.2A CN116345498B (zh) | 2023-05-30 | 2023-05-30 | 数据-模型混合驱动的电力系统的频率紧急协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310621723.2A CN116345498B (zh) | 2023-05-30 | 2023-05-30 | 数据-模型混合驱动的电力系统的频率紧急协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116345498A CN116345498A (zh) | 2023-06-27 |
CN116345498B true CN116345498B (zh) | 2023-09-15 |
Family
ID=86891592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310621723.2A Active CN116345498B (zh) | 2023-05-30 | 2023-05-30 | 数据-模型混合驱动的电力系统的频率紧急协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116345498B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472373A (zh) * | 2019-09-11 | 2019-11-19 | 西南交通大学 | 一种电力系统扰动后的动态频率估计测量方法 |
CN113591379A (zh) * | 2021-07-27 | 2021-11-02 | 四川大学 | 一种电力系统暂态稳定预防及紧急协调控制辅助决策方法 |
CN113935463A (zh) * | 2021-09-30 | 2022-01-14 | 南方电网数字电网研究院有限公司 | 一种基于人工智能控制方法的微电网控制器 |
CN114094592A (zh) * | 2021-11-17 | 2022-02-25 | 中国电力科学研究院有限公司 | 电网紧急切负荷控制方法、系统、设备及存储介质 |
CN114221359A (zh) * | 2021-12-23 | 2022-03-22 | 清华大学 | 基于决策树的新能源电力系统调频能力建模与分析方法 |
CN115528750A (zh) * | 2022-11-03 | 2022-12-27 | 南方电网数字电网研究院有限公司 | 一种面向电网安全稳定的数据模型混合驱动机组组合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060247798A1 (en) * | 2005-04-28 | 2006-11-02 | Subbu Rajesh V | Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset |
-
2023
- 2023-05-30 CN CN202310621723.2A patent/CN116345498B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472373A (zh) * | 2019-09-11 | 2019-11-19 | 西南交通大学 | 一种电力系统扰动后的动态频率估计测量方法 |
CN113591379A (zh) * | 2021-07-27 | 2021-11-02 | 四川大学 | 一种电力系统暂态稳定预防及紧急协调控制辅助决策方法 |
CN113935463A (zh) * | 2021-09-30 | 2022-01-14 | 南方电网数字电网研究院有限公司 | 一种基于人工智能控制方法的微电网控制器 |
CN114094592A (zh) * | 2021-11-17 | 2022-02-25 | 中国电力科学研究院有限公司 | 电网紧急切负荷控制方法、系统、设备及存储介质 |
CN114221359A (zh) * | 2021-12-23 | 2022-03-22 | 清华大学 | 基于决策树的新能源电力系统调频能力建模与分析方法 |
CN115528750A (zh) * | 2022-11-03 | 2022-12-27 | 南方电网数字电网研究院有限公司 | 一种面向电网安全稳定的数据模型混合驱动机组组合方法 |
Non-Patent Citations (1)
Title |
---|
王鑫 等.基于数据-模型混合驱动的电力系统机电暂态快速仿真方法.《中国电机工程学报》.2023,第1-11页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116345498A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Online dynamic security assessment of wind integrated power system using SDAE with SVM ensemble boosting learner | |
CN115842347B (zh) | 一种基于数字孪生的微网负荷动态平衡方法、系统及介质 | |
CN111125519B (zh) | 用户行为预测方法、装置、电子设备以及存储介质 | |
CN114021475B (zh) | 基于lstm的避雷器故障判断方法、装置、设备、介质和产品 | |
CN111898247A (zh) | 滑坡位移预测方法、设备及存储介质 | |
CN115729796A (zh) | 基于人工智能的异常操作分析方法及大数据应用系统 | |
CN116169675A (zh) | 考虑运行方式变化的电力系统动态稳定性在线评估方法 | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
CN116345498B (zh) | 数据-模型混合驱动的电力系统的频率紧急协调控制方法 | |
CN117394438A (zh) | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 | |
CN115528750B (zh) | 一种面向电网安全稳定的数据模型混合驱动机组组合方法 | |
CN117056478A (zh) | 一种电力客服系统控制方法及装置 | |
CN116215292A (zh) | 一种充电桩及其充电稳压控制方法 | |
CN115907000A (zh) | 一种用于电力系统最优潮流预测的小样本学习方法 | |
CN116316537A (zh) | 输电线路运行控制方法、装置、设备、介质和程序产品 | |
CN115577259A (zh) | 高压直流输电系统故障选极方法、装置和计算机设备 | |
CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN111476408B (zh) | 一种电力通信设备状态预测方法及系统 | |
CN110989040B (zh) | 一种基于切片处理的人工智能雷电临近预警方法及系统 | |
CN114861967A (zh) | 一种电力负荷预测方法、系统、装置及存储介质 | |
CN110309982A (zh) | 基于矩阵分解的电力负荷预测方法、装置及设备 | |
CN117856254A (zh) | 基于神经网络的电网直控负荷控制方法 | |
CN109255432B (zh) | 神经网络模型构建方法及装置、存储介质、电子设备 | |
CN114363951B (zh) | 一种多小区间流量协同预测方法及装置 | |
US11934866B2 (en) | Operator operation scheduling method and apparatus to determine an optimal scheduling policy for an operator operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |