本發(fā)明涉及電網(wǎng)能量控制，尤其涉及基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制方法及系統(tǒng)。

背景技術(shù)：

1、隨著全球能源結(jié)構(gòu)的調(diào)整與可再生能源的發(fā)展，微電網(wǎng)和主電網(wǎng)的協(xié)調(diào)運(yùn)行成為電力系統(tǒng)中至關(guān)重要的一環(huán)。微電網(wǎng)通常包括光伏發(fā)電、風(fēng)力發(fā)電等多種分布式能源，以及儲(chǔ)能系統(tǒng)、負(fù)荷管理系統(tǒng)等組成部分。主電網(wǎng)則主要負(fù)責(zé)集中式發(fā)電和大范圍的電力傳輸。當(dāng)微電網(wǎng)與主電網(wǎng)進(jìn)行能量交互時(shí)，由于分布式能源的波動(dòng)性與不確定性，傳統(tǒng)的電網(wǎng)控制方法難以有效應(yīng)對(duì)這種多源、動(dòng)態(tài)的能量交互場(chǎng)景。

2、目前，電網(wǎng)的能量調(diào)度和分配通常依賴于預(yù)設(shè)規(guī)則和靜態(tài)的優(yōu)化策略，這在應(yīng)對(duì)負(fù)荷波動(dòng)、能源產(chǎn)出變化以及儲(chǔ)能設(shè)備調(diào)度等方面表現(xiàn)出效率低下和響應(yīng)滯后。此外，傳統(tǒng)方法無(wú)法動(dòng)態(tài)適應(yīng)微電網(wǎng)和主電網(wǎng)之間復(fù)雜的能量交互模式，在系統(tǒng)發(fā)生異常或負(fù)荷突增時(shí)，無(wú)法快速調(diào)整能量分配，導(dǎo)致電力損耗增加，甚至影響電網(wǎng)的穩(wěn)定性。

3、例如授權(quán)公告號(hào)為cn113690925b的中國(guó)專利提出了一種基于微電網(wǎng)的能量交互優(yōu)化方法及系統(tǒng)，包括：根據(jù)負(fù)荷與分布式能源機(jī)組、儲(chǔ)能裝置之間的供電關(guān)系，將配電網(wǎng)劃分為若干個(gè)微電網(wǎng)；對(duì)可再生能源機(jī)組進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)；分別獲取儲(chǔ)能裝置和非可再生能源機(jī)組的運(yùn)行成本；根據(jù)風(fēng)險(xiǎn)預(yù)測(cè)的結(jié)果和運(yùn)行成本，結(jié)合微電網(wǎng)之間的能量交互成本構(gòu)建成本目標(biāo)函數(shù)，確定微電網(wǎng)在能量交互時(shí)的狀態(tài)約束和功率約束；在同時(shí)滿足狀態(tài)約束和功率約束的情況下，對(duì)成本目標(biāo)函數(shù)進(jìn)行求解，根據(jù)求解結(jié)果調(diào)整各個(gè)微電網(wǎng)在能量交互時(shí)的功率。在成本目標(biāo)函數(shù)中引入了向其他微電網(wǎng)購(gòu)售電的功率，在降低微電網(wǎng)運(yùn)行成本的同時(shí)，能夠減少用電高峰期微電網(wǎng)與電網(wǎng)之間能量交互的功率。

4、以上專利存在本背景技術(shù)提出的問(wèn)題：主電網(wǎng)與微電網(wǎng)的能量交互大多依賴預(yù)設(shè)的調(diào)度策略，缺乏對(duì)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的智能響應(yīng)。由于電網(wǎng)運(yùn)行環(huán)境復(fù)雜多變，傳統(tǒng)方法在遇到負(fù)荷波動(dòng)或突發(fā)事件時(shí)，無(wú)法快速生成最優(yōu)的能量分配方案，導(dǎo)致電網(wǎng)運(yùn)行效率下降，甚至可能引發(fā)能量失衡，為解決以上問(wèn)題，本技術(shù)設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)現(xiàn)有技術(shù)的不足，提供了基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制方法及系統(tǒng)，構(gòu)建包含上下層模型的區(qū)域電網(wǎng)模型；通過(guò)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練區(qū)域電網(wǎng)模型，生成不同運(yùn)行狀態(tài)下的能量交互策略；基于實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，動(dòng)態(tài)調(diào)整能量交互策略并更新電網(wǎng)模型；采用卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化主電網(wǎng)潮流，最小化能量損耗；通過(guò)強(qiáng)化學(xué)習(xí)模型優(yōu)化微電網(wǎng)能量管理，實(shí)現(xiàn)運(yùn)營(yíng)成本最小化；并通過(guò)遺傳算法對(duì)主電網(wǎng)與微電網(wǎng)的協(xié)同優(yōu)化，生成最優(yōu)的能量交互策略。本發(fā)明能夠有效提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和能效，適用于復(fù)雜多變的電網(wǎng)運(yùn)行環(huán)境。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制方法，所述方法包括：

4、根據(jù)區(qū)域內(nèi)微電網(wǎng)和主電網(wǎng)信息構(gòu)建區(qū)域電網(wǎng)模型，所述區(qū)域電網(wǎng)模型包括下層微電網(wǎng)模型和上層主電網(wǎng)模型；

5、構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，通過(guò)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述區(qū)域電網(wǎng)模型進(jìn)行訓(xùn)練，獲取不同運(yùn)行狀態(tài)下的電網(wǎng)能量交互策略；

6、獲取微電網(wǎng)和主電網(wǎng)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，根據(jù)所述實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)對(duì)所述電網(wǎng)能量交互策略進(jìn)行調(diào)整，并更新區(qū)域電網(wǎng)模型。

7、所述構(gòu)建區(qū)域電網(wǎng)模型，包括：

8、采集區(qū)域內(nèi)微電網(wǎng)和主電網(wǎng)相關(guān)的多源數(shù)據(jù)；

9、根據(jù)主電網(wǎng)的拓?fù)浣Y(jié)構(gòu)構(gòu)建上層主電網(wǎng)模型，所述上層主電網(wǎng)模型包括主電網(wǎng)發(fā)電、輸電和調(diào)度功能；

10、根據(jù)每個(gè)微電網(wǎng)的多源信息構(gòu)建下層微電網(wǎng)模型，所述下層微電網(wǎng)模型包括單個(gè)微電網(wǎng)的子模型，所述子模型包括微電網(wǎng)儲(chǔ)能設(shè)備、局部區(qū)域負(fù)荷和微電網(wǎng)發(fā)電裝置；

11、所述上層主電網(wǎng)模型還包括配電網(wǎng)調(diào)控中心，所述配電網(wǎng)調(diào)控中心用于和所述下層微電網(wǎng)模型進(jìn)行交互，獲取下層需求和下層信息，并根據(jù)所述下層需求和下層信息與主電網(wǎng)進(jìn)行能量分配。

12、所述神經(jīng)網(wǎng)絡(luò)模型，包括：

13、主電網(wǎng)優(yōu)化層，用于根據(jù)上層主電網(wǎng)模型，在滿足主電網(wǎng)潮流平衡的約束條件下，以實(shí)現(xiàn)主電網(wǎng)最優(yōu)潮流為目標(biāo)，對(duì)主電網(wǎng)的能量分配方案進(jìn)行優(yōu)化，輸出能量最小損耗方案；

14、微電網(wǎng)優(yōu)化層，用于根據(jù)下層微電網(wǎng)模型，在滿足微電網(wǎng)電氣邊界條件的情況下，以實(shí)現(xiàn)微電網(wǎng)最小化運(yùn)營(yíng)成本為目標(biāo)，對(duì)微電網(wǎng)的能量分配方案進(jìn)行優(yōu)化，輸出能量?jī)?yōu)化管理方案；

15、雙層優(yōu)化層，用于處理主電網(wǎng)和微電網(wǎng)的協(xié)同優(yōu)化，通過(guò)遺傳算法對(duì)所述能量最小損耗方案和所述能量?jī)?yōu)化管理方案的適應(yīng)度進(jìn)行更新，輸出電網(wǎng)能量交互策略。

16、所述對(duì)主電網(wǎng)的能量分配方案進(jìn)行優(yōu)化，包括：

17、對(duì)主電網(wǎng)的多源數(shù)據(jù)進(jìn)行處理，提取輸入?yún)?shù)序列，所述多源數(shù)據(jù)包括節(jié)點(diǎn)電壓、支路潮流、分布式電源出力和負(fù)荷需求；

18、通過(guò)卷積神經(jīng)網(wǎng)絡(luò)生成潮流分配方案，將主電網(wǎng)優(yōu)化的目標(biāo)函數(shù)設(shè)定為最小化主電網(wǎng)潮流中的有功功率損耗，根據(jù)所述潮流分配方案，計(jì)算主電網(wǎng)中任意節(jié)點(diǎn)是否滿足潮流平衡方程；

19、如果任意節(jié)點(diǎn)均滿足潮流分配方程，統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)的有功功率，輸出能量最小損耗方案，如果存在節(jié)點(diǎn)不滿足潮流分配方程，對(duì)不滿足潮流分配方程的節(jié)點(diǎn)進(jìn)行進(jìn)一步分析，識(shí)別導(dǎo)致不平衡的關(guān)鍵參數(shù)，通過(guò)反向傳播機(jī)制對(duì)所述關(guān)鍵參數(shù)進(jìn)行調(diào)整，生成新的潮流分配方案，并重新進(jìn)行判斷。

20、所述對(duì)微電網(wǎng)的能量分配方案進(jìn)行優(yōu)化，包括：

21、根據(jù)下層微電網(wǎng)模型采集微電網(wǎng)中可再生能源發(fā)電功率、用戶負(fù)荷需求和儲(chǔ)能狀態(tài)，生成多維輸入序列；

22、構(gòu)建強(qiáng)化學(xué)習(xí)模型，通過(guò)所述強(qiáng)化學(xué)習(xí)模型對(duì)所述多維輸入序列進(jìn)行訓(xùn)練，輸出微電網(wǎng)的能量分配方案，其中，所述強(qiáng)化學(xué)習(xí)模型包括門控循環(huán)單元和a3c算法；

23、判斷生成的能量分配方案是否滿足微電網(wǎng)的電氣邊界條件，所述電氣邊界條件包括儲(chǔ)能設(shè)備的充放電功率限制、負(fù)荷需求滿足和與主電網(wǎng)的功率交易限制；

24、如果滿足所述電氣邊界條件，將能量分配方案作為能量?jī)?yōu)化管理方案進(jìn)行輸出，如果不滿足所述電氣邊界條件，通過(guò)反向傳播機(jī)制更新所述強(qiáng)化學(xué)習(xí)模型的網(wǎng)絡(luò)權(quán)重，生成新的能量分配方案，直到滿足電氣邊界條件。

25、所述雙層優(yōu)化層，包括：

26、通過(guò)遺傳算法對(duì)上層主電網(wǎng)的能量最小損耗方案和下層微電網(wǎng)的能量?jī)?yōu)化管理方案進(jìn)行聯(lián)合優(yōu)化；

27、在遺傳算法的每次迭代中，先通過(guò)下層微電網(wǎng)模型優(yōu)化微電網(wǎng)的能量?jī)?yōu)化管理方案，再將結(jié)果反饋給上層主電網(wǎng)模型進(jìn)行潮流優(yōu)化，通過(guò)兩層協(xié)同，輸出主電網(wǎng)與微電網(wǎng)間的能量交互策略；

28、當(dāng)遺傳算法收斂時(shí)，輸出主電網(wǎng)與微電網(wǎng)之間的最優(yōu)能量交互策略。

29、所述遺傳算法，包括：

30、根據(jù)所述上層主電網(wǎng)的能量最小損耗方案和下層微電網(wǎng)的能量?jī)?yōu)化管理方案之間的能量交互關(guān)系，計(jì)算方案耦合度，根據(jù)所述方案耦合度生成初始解；

31、在遺傳算法中定義適應(yīng)度函數(shù)，所述適應(yīng)度函數(shù)用于同時(shí)最小化主電網(wǎng)和微電網(wǎng)的能量損耗及運(yùn)營(yíng)成本，初始解適應(yīng)度的計(jì)算公式為：

32、；

33、其中，表示初始解適應(yīng)度，和表示權(quán)重系數(shù)，s表示主電網(wǎng)單個(gè)節(jié)點(diǎn)，n表示主電網(wǎng)節(jié)點(diǎn)總數(shù)量，表示初始解中主電網(wǎng)第s個(gè)節(jié)點(diǎn)的能量損耗，表示主電網(wǎng)和微電網(wǎng)方案的能量交互系數(shù)，表示主電網(wǎng)中第s個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)調(diào)度時(shí)間，d表示單個(gè)微電網(wǎng)，m表示微電網(wǎng)的總數(shù)量，表示初始解中第d個(gè)微電網(wǎng)的運(yùn)行成本，表示第d個(gè)微電網(wǎng)的儲(chǔ)能設(shè)備狀態(tài)，如果儲(chǔ)能設(shè)備存量小于儲(chǔ)能閾值，=0，如果儲(chǔ)能設(shè)備存量大于等于儲(chǔ)能閾值，=1，表示大于0的常數(shù)；

34、通過(guò)遺傳算法中的選擇、交叉和變異操作對(duì)初始解適應(yīng)度進(jìn)行迭代優(yōu)化，直到達(dá)到最大迭代次數(shù)，在每次迭代后，計(jì)算當(dāng)前能量交互策略的優(yōu)化程度，如果能量交互策略滿足適應(yīng)度閾值，輸出最終的電網(wǎng)能量交互策略，包括主電網(wǎng)的能量最小損耗方案和微電網(wǎng)的能量?jī)?yōu)化管理方案。

35、所述對(duì)所述電網(wǎng)能量交互策略進(jìn)行調(diào)整，包括：

36、通過(guò)部署在主電網(wǎng)和微電網(wǎng)各節(jié)點(diǎn)上的傳感器，采集監(jiān)測(cè)數(shù)據(jù)，所述監(jiān)測(cè)數(shù)據(jù)包括主電網(wǎng)監(jiān)測(cè)數(shù)據(jù)和微電網(wǎng)監(jiān)測(cè)數(shù)據(jù)；

37、將所述監(jiān)測(cè)數(shù)據(jù)傳輸至所述配電網(wǎng)調(diào)控中心，配電網(wǎng)調(diào)控中心根據(jù)輸入的電壓、電流和功率數(shù)據(jù)計(jì)算當(dāng)前運(yùn)行狀態(tài)和電網(wǎng)能量交互策略之間的偏離度，如果偏離度大于或等于偏離閾值，表示當(dāng)前運(yùn)行狀態(tài)存在偏離；

38、如果偏離電網(wǎng)能量交互策略，重新設(shè)定區(qū)域電網(wǎng)模型的目標(biāo)參數(shù)，包括節(jié)點(diǎn)的目標(biāo)電壓、負(fù)荷分配、儲(chǔ)能設(shè)備的充放電功率以及主電網(wǎng)與微電網(wǎng)之間的功率交換量；

39、根據(jù)所述區(qū)域電網(wǎng)模型的目標(biāo)參數(shù)，通過(guò)所述神經(jīng)網(wǎng)絡(luò)模型對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)所述電網(wǎng)能量交互策略進(jìn)行調(diào)整。

40、基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制系統(tǒng)，所述系統(tǒng)包括區(qū)域電網(wǎng)建模模塊、能量交互分配模塊和能量交互調(diào)度模塊；

41、所述區(qū)域電網(wǎng)建模模塊，用于根據(jù)區(qū)域內(nèi)微電網(wǎng)和主電網(wǎng)信息構(gòu)建區(qū)域電網(wǎng)模型，所述區(qū)域電網(wǎng)模型包括下層微電網(wǎng)模型和上層主電網(wǎng)模型；

42、所述能量交互分配模塊內(nèi)配置有能量?jī)?yōu)化策略，所述能量?jī)?yōu)化策略用于通過(guò)神經(jīng)網(wǎng)絡(luò)模型對(duì)區(qū)域電網(wǎng)的能量交互進(jìn)行優(yōu)化，生成能量交互策略；

43、所述能量交互調(diào)度模塊，用于負(fù)責(zé)電網(wǎng)運(yùn)行的全局調(diào)度，監(jiān)控電網(wǎng)運(yùn)行狀態(tài)并控制能量交互的執(zhí)行。

44、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

45、1.本發(fā)明通過(guò)構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)與主電網(wǎng)能量交互控制系統(tǒng)，利用區(qū)域電網(wǎng)模型和強(qiáng)化學(xué)習(xí)算法，實(shí)現(xiàn)了主電網(wǎng)與微電網(wǎng)的協(xié)同優(yōu)化。通過(guò)實(shí)時(shí)監(jiān)測(cè)和調(diào)整電網(wǎng)能量分配，確保在不同運(yùn)行狀態(tài)下，主電網(wǎng)與微電網(wǎng)之間的能量交互始終處于最優(yōu)狀態(tài)，有效降低了電網(wǎng)能量的損耗，并實(shí)現(xiàn)了運(yùn)營(yíng)成本的最小化；

46、2.本發(fā)明通過(guò)雙層優(yōu)化結(jié)構(gòu)，不僅對(duì)主電網(wǎng)的能量損耗進(jìn)行了優(yōu)化，還引入了微電網(wǎng)的能量?jī)?yōu)化管理方案。利用遺傳算法對(duì)主電網(wǎng)和微電網(wǎng)的能量交互策略進(jìn)行聯(lián)合優(yōu)化，確保兩者協(xié)同工作。這種雙層優(yōu)化機(jī)制有效提升了電網(wǎng)整體運(yùn)行的穩(wěn)定性和效率。