【技术实现步骤摘要】
本专利技术涉及电力系统需求响应，具体涉及一种基于双层机器学习架构的分散灵活资源功率调控方法、系统、电子设备及存储介质。
技术介绍
1、随着智能电网技术的进步以及电力市场机制的完善，分散式储能、电动汽车、可调智能负荷等应用范围不断扩大，成为电网中重要的分散灵活资源，为解决电网运行控制中的功率不平衡问题提供了新的途径。目前，对于数量较少、可响应容量较大的工业大用户如何参与电网互动研究受到高度关注，技术发展日趋成熟，而对于可调负荷等数量巨大、可响应容量较小的分散灵活资源如何参与电网的功率调控则面临较大困难。虚拟电厂的出现为实现分散灵活资源参与电网功率调控提供了可能，但分散灵活资源数量大、分布广、可响应容量不确定性高，若要实现较好的功率调控效果，则需要配套安装大量的通信、计算、控制终端，工程建设成本较高且运行可靠性受限。因此，在本专利中，主要涉及的问题为在有限终端设备投入前提下虚拟电厂中可调负荷的功率调控问题。
2、在分散灵活资源功率调控方面，从控制架构上主要依赖于直接负荷控制(directload control,dlc)，以控制负荷中空调、热水器、冰箱、电动汽车等设备为目标。目前针对dlc的研究主要集中于模型构建、优化目标两个方面，其中模型构建主要用于对可调负荷可响应容量进行评估，优化目标主要用于确定功率调控在海量可调负荷中的具体分配策略。目前，在可调负荷可响应容量评估方面，单个负荷可响应容量主要通过设备动力学模型以及实时设备数据进行评估，而群体负荷可响应容量的评估主要包括自下而上法、价格弹性系数法、比例估算法等等，但是
技术实现思路
1、本专利技术的目的是针对现有技术中分散灵活资源可调负荷可响应容量评估准确性不足的问题，提出了基于双层机器学习架构的分散灵活资源功率调控方法、系统、电子设备及存储介质。
2、为实现上述目的，本专利技术提供的技术方案是：
3、一种基于双层机器学习架构的分散灵活资源功率调控方法，包括以下步骤：
4、步骤s1：对虚拟电厂中分散灵活资源的可调负荷日曲线数据进行聚类分析，获得分散灵活资源的可调负荷类，依据聚类中心选取可调负荷类的典型负荷节点；
5、步骤s2：针对典型负荷节点，利用负荷历史运行数据，构建基于负荷运行状态信息与环境信息的机器学习模型，其输入为环境信息和负荷运行状态信息、输出为典型负荷节点的可响应容量，以评估典型负荷节点的可响应容量；
6、步骤s3：构建基于典型负荷节点可响应容量与负荷相似程度的机器学习模型，其输入为典型负荷节点的可响应容量以及该可调负荷类下可调负荷日曲线相似度信息、输出为该可调负荷类下所有负荷节点的可响应容量，估计出该可调负荷类下所有负荷节点的可响应容量；
7、步骤s4：结合各负荷节点的功率调控成本，构建分散灵活资源的功率调控优化模型，计算获得虚拟电厂分散灵活资源的功率调控策略。
8、为优化上述技术方案，采取的具体措施/限定还包括：
9、所述的环境信息包括室内温度、室外温度；所述的分散灵活资源为空调、热水器、冰箱、电动汽车中的一种或多种，负荷运行状态信息分别对应空调温度、热水器温度、冰箱温度、电动汽车荷电状态。
10、所述的聚类分析采用k-means聚类算法，通过欧式距离描述可调负荷日曲线数据间的差异，通过穷举法搜索最优的分类，对每个分类，按照可调负荷日曲线与聚类中心的距离排序，选取前10％、后10％作为该分类下的典型负荷节点。
11、所述的基于负荷运行状态信息与环境信息的机器学习模型、基于典型负荷节点可响应容量与负荷相似程度的机器学习模型均通过极限学习机算法训练历史数据集构建。
12、所述的该可调负荷类下可调负荷日曲线相似度信息，具体是指该可调负荷类中非典型负荷节点与典型负荷节点的日曲线相似性，以对应时间点下可响应容量差值绝对值进行度量。
13、所述的分散灵活资源的功率调控优化模型如下所示：
14、优化目标：
15、约束条件：
16、其中，k表示可调负荷类，mi表示第i个可调负荷类下的负荷数，i＝1,2,3,..,k，j＝1,2,3,mi；si,j为第i个可调负荷类中第j个负荷调控功率占其本身可响应容量的比例，ri,j为评估出的第i个可调负荷类中第j个负荷的可响应容量，ci,j为第i个可调负荷类中第j个负荷的功率调控成本，porder为虚拟电厂对可调负荷的功率调整需求；
17、分散灵活资源的功率调控优化模型通过智能优化算法进行求解。
18、本专利技术还保护一种基于双层机器学习架构的分散灵活资源功率调控方法的系统，包括：
19、聚类分析模块，用于对分散灵活资源的可调负荷日曲线数据进行聚类分析，获得分散灵活资源的可调负荷类，依据聚类中心选取可调负荷类的典型负荷节点；
20、双层机器学习模型构建模块，用于针对典型负荷节点，利用负荷历史运行数据，构建基于负荷运行状态信息与环境信息的机器学习模型，其输入为环境信息和负荷运行状态信息、其输出为典型负荷节点的可响应容量，以评估典型负荷节点的可响应容量；以及用于构建基于典型负荷节点可响应容量与负荷相似程度的机器学习模型，其输入为典型负荷节点的可响应容量以及该可调负荷类下可调负荷日曲线相似度信息、其输出为该可调负荷类下所有负荷节点的可响应容量，估计出该可调负荷类下所有负荷节点的可响应容量；
21、功率调控优化模块，用于结合各负荷节点的功率调控成本，构建分散灵活资源的功率调控优化模型，计算获得虚拟电厂分散灵活资源的功率调控策略。
22、本专利技术还保护一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如上所述的基于双层机器学习架构的分散灵活资源功率调控方法。
23、本专利技术还保护一种计算机可读存储介质，存储有计算机程序，所述计算机程序使计算机执行如上所述的基于双层机器学习架构的分散灵活资源功率调控方法。
24、与现有技术相比，本专利技术的有益效果是：
25、本专利技术的基于双层机器学习架构的可调负荷可响应容量评估方法，结合可调负荷的调控成本以及虚拟电厂的功率调控需求，通过极限学习机(extreme learning machine,elm)算法，在信息监控终端有限的情况下，基于个体-群体层次特征构建了分散灵活资源调控的优化模型，实现可调负荷功率的合理调控。
26、本专利技术通过结合各负荷节点的功率调控成本构建分散灵活资源的功率调控优化模型，计算获得虚拟电厂分散灵活资源的功率调控策略，虚拟电厂对可调负荷资源的控制目标为在较小的控制成本下，可调负荷的功率响应与预期目标的偏差在可接受范围内，提高了分散灵活资源可调负荷可响应容量评估准确性。
本文档来自技高网...【技术保护点】
1.一种基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的环境信息包括室内温度、室外温度；所述的分散灵活资源为空调、热水器、冰箱、电动汽车中的一种或多种，负荷运行状态信息分别对应空调温度、热水器温度、冰箱温度、电动汽车荷电状态。
3.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的聚类分析采用K-means聚类算法，通过欧式距离描述可调负荷日曲线数据间的差异，通过穷举法搜索最优的分类，对每个分类，按照可调负荷日曲线与聚类中心的距离排序，选取前10％、后10％作为该分类下的典型负荷节点。
4.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的基于负荷运行状态信息与环境信息的机器学习模型、基于典型负荷节点可响应容量与负荷相似程度的机器学习模型均通过极限学习机算法训练历史数据集构建。
5.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方
6.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的分散灵活资源的功率调控优化模型如下所示：
7.权利要求1-6任一项所述基于双层机器学习架构的分散灵活资源功率调控方法的系统，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-6任一项所述的基于双层机器学习架构的分散灵活资源功率调控方法。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序使计算机执行如权利要求1-6任一项所述的基于双层机器学习架构的分散灵活资源功率调控方法。
...【技术特征摘要】
1.一种基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的环境信息包括室内温度、室外温度；所述的分散灵活资源为空调、热水器、冰箱、电动汽车中的一种或多种，负荷运行状态信息分别对应空调温度、热水器温度、冰箱温度、电动汽车荷电状态。
3.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的聚类分析采用k-means聚类算法，通过欧式距离描述可调负荷日曲线数据间的差异，通过穷举法搜索最优的分类，对每个分类，按照可调负荷日曲线与聚类中心的距离排序，选取前10％、后10％作为该分类下的典型负荷节点。
4.根据权利要求1所述的基于双层机器学习架构的分散灵活资源功率调控方法，其特征在于：所述的基于负荷运行状态信息与环境信息的机器学习模型、基于典型负荷节点可响应容量与负荷相似程度的机器学习模型均通过极限学习机算法训练历史数据...
【专利技术属性】
技术研发人员：孔月萍，方超，王国际，陈宇沁，刘述波，段梅梅，王忠维，方凯杰，朱霖，程含渺，
申请(专利权)人：国网江苏省电力有限公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。