本發(fā)明涉及電力工程領(lǐng)域、人工智能領(lǐng)域和聯(lián)邦學(xué)習(xí)領(lǐng)域，更具體地，涉及一種基于聯(lián)邦學(xué)習(xí)的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法及電力系統(tǒng)。

背景技術(shù)：

1、在電力系統(tǒng)中，隨著分布式能源和智能電網(wǎng)的快速發(fā)展，電力系統(tǒng)的臺(tái)區(qū)內(nèi)的電力設(shè)備逐漸具備智能調(diào)控和自我優(yōu)化能力。然而，伴隨著電力運(yùn)行數(shù)據(jù)的實(shí)時(shí)采集和智能調(diào)控的需求，傳統(tǒng)的臺(tái)區(qū)調(diào)控模式在處理復(fù)雜的能源交易、碳配額管理、電力設(shè)備運(yùn)行等任務(wù)時(shí)，缺乏足夠的智能化手段，難以實(shí)現(xiàn)對電力系統(tǒng)高效的能源管理和低碳優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于聯(lián)邦學(xué)習(xí)的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法及電力系統(tǒng)。

2、本發(fā)明的一個(gè)方面提供了一種基于聯(lián)邦學(xué)習(xí)的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，應(yīng)用于電網(wǎng)系統(tǒng)，上述電網(wǎng)系統(tǒng)包括服務(wù)端與多個(gè)智能體端，上述有源臺(tái)區(qū)電力設(shè)備調(diào)控方法包括：上述智能體端對智能體端模型執(zhí)行第一階段訓(xùn)練操作，得到第一智能體端模型參數(shù)，其中，上述智能體端模型用于通過處理上述電網(wǎng)系統(tǒng)中目標(biāo)有源臺(tái)區(qū)的臺(tái)區(qū)運(yùn)行狀態(tài)，得到用于調(diào)控上述目標(biāo)有源臺(tái)區(qū)中的電力設(shè)備的電力設(shè)備動(dòng)作；上述服務(wù)端對多個(gè)上述智能體端各自的第一智能體端模型參數(shù)進(jìn)行參數(shù)聚合，得到全局模型參數(shù)；多個(gè)上述智能體端對各自的全局智能體模型執(zhí)行第二階段訓(xùn)練操作，得到上述智能體端的第二智能體端模型參數(shù)，上述全局智能體模型基于上述全局模型參數(shù)確定；上述服務(wù)端對多個(gè)上述智能體端各自的第二智能體端模型參數(shù)進(jìn)行聚類，得到多個(gè)中心模型參數(shù)；上述智能體端從多個(gè)上述中心模型參數(shù)中確定目標(biāo)智能體端模型參數(shù)；以及上述智能體端利用基于上述目標(biāo)智能體端模型參數(shù)確定的目標(biāo)智能體端模型，調(diào)控與上述智能體端相關(guān)的電力設(shè)備執(zhí)行電力設(shè)備動(dòng)作。

3、本發(fā)明的另一個(gè)方面提供了一種電網(wǎng)系統(tǒng)，包括：服務(wù)端與多個(gè)智能體端；上述智能體端配置為對智能體端模型執(zhí)行第一階段訓(xùn)練操作，得到第一智能體端模型參數(shù)，其中，上述智能體端模型用于通過處理上述電網(wǎng)系統(tǒng)中目標(biāo)有源臺(tái)區(qū)的臺(tái)區(qū)運(yùn)行狀態(tài)，得到用于調(diào)控上述目標(biāo)有源臺(tái)區(qū)中的電力設(shè)備的電力設(shè)備動(dòng)作；上述服務(wù)端配置為對多個(gè)上述智能體端各自的第一智能體端模型參數(shù)進(jìn)行參數(shù)聚合，得到全局模型參數(shù)；多個(gè)上述智能體端配置為對各自的全局智能體模型執(zhí)行第二階段訓(xùn)練操作，得到上述智能體端的第二智能體端模型參數(shù)，上述全局智能體模型基于上述全局模型參數(shù)確定；上述服務(wù)端配置為對多個(gè)上述智能體端各自的第二智能體端模型參數(shù)進(jìn)行聚類，得到多個(gè)中心模型參數(shù)；上述智能體端配置為從多個(gè)上述中心模型參數(shù)中確定目標(biāo)智能體端模型參數(shù)；以及利用基于上述目標(biāo)智能體端模型參數(shù)確定的目標(biāo)智能體端模型，調(diào)控與上述智能體端相關(guān)的電力設(shè)備執(zhí)行電力設(shè)備動(dòng)作。

4、根據(jù)本發(fā)明的實(shí)施例，通過基于聯(lián)邦學(xué)習(xí)機(jī)制來使各個(gè)智能體端各自訓(xùn)練本地的智能體端模型，來使第一智能體端模型參數(shù)能夠初步學(xué)習(xí)到智能體端本地的電力設(shè)備調(diào)控策略。通過服務(wù)端聚合多個(gè)智能體端各自的第一智能體端模型參數(shù)，來使得到的全局模型參數(shù)能夠融合多個(gè)智能體端的電力設(shè)備調(diào)控策略，進(jìn)而可以使各個(gè)智能體端各自能夠通過對全局智能體模型進(jìn)行訓(xùn)練來加速電力設(shè)備調(diào)控策略的學(xué)習(xí)效率與學(xué)習(xí)速度，服務(wù)端通過對第二智能體端模型參數(shù)進(jìn)行聚類來使多個(gè)中心模型參數(shù)表征不同類型的電力設(shè)備調(diào)控策略的中心，進(jìn)而可以通過智能體端從多個(gè)中心模型參數(shù)中確定目標(biāo)智能體端模型參數(shù)，來使目標(biāo)智能體端模型融合相同類型的多個(gè)智能體端模型的各自的電力設(shè)備調(diào)控策略，以使智能體端能夠基于目標(biāo)智能體端模型來較為高效地、穩(wěn)定地調(diào)控電力設(shè)備執(zhí)行電力設(shè)備動(dòng)作，提升電網(wǎng)系統(tǒng)整體的運(yùn)行穩(wěn)定性。

技術(shù)特征：

1.一種基于聯(lián)邦學(xué)習(xí)的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，應(yīng)用于電網(wǎng)系統(tǒng)，所述電網(wǎng)系統(tǒng)包括服務(wù)端與多個(gè)智能體端，所述有源臺(tái)區(qū)電力設(shè)備調(diào)控方法包括：

2.根據(jù)權(quán)利要求1所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述智能體端從多個(gè)所述中心模型參數(shù)中確定目標(biāo)智能體端模型參數(shù)包括：

3.根據(jù)權(quán)利要求2所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，多個(gè)關(guān)聯(lián)智能體端與相同的所述目標(biāo)中心模型參數(shù)相關(guān)聯(lián)，多個(gè)所述智能體端包括所述關(guān)聯(lián)智能體端，

4.根據(jù)權(quán)利要求1所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述智能體端利用基于所述目標(biāo)智能體端模型參數(shù)確定的目標(biāo)智能體端模型，調(diào)控與所述智能體端相關(guān)的電力設(shè)備執(zhí)行電力設(shè)備動(dòng)作包括：

5.根據(jù)權(quán)利要求4所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述第t臺(tái)區(qū)運(yùn)行狀態(tài)包括所述目標(biāo)有源臺(tái)區(qū)在第t時(shí)段產(chǎn)生的一下至少一項(xiàng)狀態(tài)信息：

6.根據(jù)權(quán)利要求4所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述第t電力設(shè)備動(dòng)作包括以下至少一項(xiàng)：

7.根據(jù)權(quán)利要求1所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述智能體端模型包括行動(dòng)網(wǎng)絡(luò)與評價(jià)網(wǎng)絡(luò)；

8.根據(jù)權(quán)利要求1所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述全局模型參數(shù)和所述中心模型參數(shù)是所述服務(wù)端基于同態(tài)加密算法加密得到的密文數(shù)據(jù)，所述第一智能體端模型參數(shù)和所述第二智能體端模型參數(shù)是所述智能體端基于所述同態(tài)加密算法加密得到的密文數(shù)據(jù)。

9.根據(jù)權(quán)利要求1所述的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法，其特征在于，所述服務(wù)端對多個(gè)所述智能體端各自的第一智能體端模型參數(shù)進(jìn)行參數(shù)聚合包括：

10.一種電網(wǎng)系統(tǒng)，其特征在于，包括：服務(wù)端與多個(gè)智能體端；

技術(shù)總結(jié)
本發(fā)明提供了一種基于聯(lián)邦學(xué)習(xí)的有源臺(tái)區(qū)電力設(shè)備調(diào)控方法及電力系統(tǒng)，涉及電力工程領(lǐng)域、人工智能領(lǐng)域和聯(lián)邦學(xué)習(xí)領(lǐng)域。該方法包括：智能體端對智能體端模型執(zhí)行第一階段訓(xùn)練操作，得到第一智能體端模型參數(shù)；服務(wù)端對多個(gè)智能體端各自的第一智能體端模型參數(shù)進(jìn)行參數(shù)聚合，得到全局模型參數(shù)；多個(gè)智能體端對全局智能體模型執(zhí)行第二階段訓(xùn)練操作，得到智能體端的第二智能體端模型參數(shù)；服務(wù)端對多個(gè)智能體端各自的第二智能體端模型參數(shù)進(jìn)行聚類，得到多個(gè)中心模型參數(shù)；智能體端從多個(gè)中心模型參數(shù)中確定目標(biāo)智能體端模型參數(shù)；智能體端利用基于目標(biāo)智能體端模型參數(shù)確定的目標(biāo)智能體端模型，調(diào)控與智能體端相關(guān)的電力設(shè)備執(zhí)行電力設(shè)備動(dòng)作。

技術(shù)研發(fā)人員：張磐,岳洋,吳磊,龐超,楊挺,趙宇營,李海龍,李達(dá),許哲銘
受保護(hù)的技術(shù)使用者：國網(wǎng)天津市電力公司電力科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19