System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力调控,特别涉及一种支撑可调节资源调度域聚合评估的数据驱动方法及装置。
技术介绍
1、随着新能源并网规模逐渐增长,大量的小容量柔性资源的加入对电力系统的调控提出了巨大的挑战,为了保证电网的合理调度及安全可靠运行,通常将柔性资源聚合起来,实现大量柔性资源的高效管控。然而,由于柔性资源的功率输入/输出、调节范围和能量状态相互耦合,其可行域也相互影响,再加上数量庞大,导致现有的聚合技术虽然可以准确计算柔性资源最大聚合可行域,但其计算规模大,计算时间长,难以在实际应用中对柔性资源进行动态评估划分后快速计算其可行域。
技术实现思路
1、本专利技术提供一种支撑可调节资源调度域聚合评估的数据驱动方法及装置,以解决现有聚合技术难以在实际应用中对柔性资源进行动态评估划分后快速计算其可行域等问题。
2、本专利技术第一方面实施例提供一种支撑可调节资源调度域聚合评估的数据驱动方法,包括以下步骤:在离线阶段生成目标电网中基本柔性资源参数和聚合商数量;根据所述基本柔性资源参数和所述聚合商数量计算每个聚合可行域和每个基本柔性资源的可行域;利用所述每个聚合可行域和所述每个基本柔性资源的可行域对前馈神经网络进行训练,得到可信评估模型;在线阶段动态接入新柔性资源参数,并对所述新柔性资源进行动态分类,得到其对应的最优聚合域;将所述新柔性资源参数和所述最优聚合域输入至所述可信评估模型中进行可信评估,得到柔性资源的可信调控域。
3、可选地,所述根据所述基本柔性资源参数和所述聚合商数量
4、可选地,所述前馈神经网络的损失函数表达式为:
5、
6、
7、其中,m为新柔性资源参数的数量,为神经网络预测输出值,为柔性资源被预测参数的真实值,s为控制开关,r为可调节的超参数,φ为惩罚函数。
8、可选地,所述对所述新柔性资源进行动态分类,得到其对应的最优聚合域,包括:根据所述每个聚合可行域和所述每个柔性资源的可行域计算邻近度;利用k近邻算法和所述邻近度对所述新柔性资源参数进行动态分类,得到所述最优聚合域。
9、本专利技术第二方面实施例提供一种支撑可调节资源调度域聚合评估的数据驱动装置,包括:离线生成模块,用于在离线阶段生成目标电网中基本柔性资源参数和聚合商数量;离线计算模块,用于根据所述基本柔性资源参数和所述聚合商数量计算每个聚合可行域和每个基本柔性资源的可行域;离线训练模块,用于利用所述每个聚合可行域和所述每个基本柔性资源的可行域对前馈神经网络进行训练,得到可信评估模型;在线分类模块,用于在线阶段动态接入新柔性资源参数,并对所述新柔性资源进行动态分类,得到其对应的最优聚合域;在线可信评估模块,用于将所述新柔性资源参数和所述最优聚合域输入至所述可信评估模型中进行可信评估,得到柔性资源的可信调控域。
10、可选地,所述离线计算模块,包括:离线构建单元,用于建立聚合可行域和柔性资源可行域的模型,其中,所述聚合可行域和柔性资源可行域的模型包括柔性资源的运行模型和柔性资源的聚合模型;离线计算单元,用于将所述基本柔性资源参数和所述聚合商数量输入所述聚合可行域和柔性资源可行域的模型中,以计算所述每个聚合可行域和所述每个基本柔性资源的可行域。
11、可选地,所述前馈神经网络的损失函数表达式为:
12、
13、
14、其中,m为新柔性资源参数的数量,为神经网络预测输出值,为柔性资源被预测参数的真实值,s为控制开关,r为可调节的超参数,φ为惩罚函数。
15、可选地,所述在线分类模块,包括:在线计算单元,用于根据所述每个聚合可行域和所述每个柔性资源的可行域计算邻近度;在线动态分类单元,用于利用k近邻算法和所述邻近度对所述新柔性资源参数进行动态分类,得到所述最优聚合域。
16、本专利技术第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的支撑可调节资源调度域聚合评估的数据驱动方法。
17、本专利技术第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的支撑可调节资源调度域聚合评估的数据驱动方法。
18、本专利技术实施例提出的支撑可调节资源调度域聚合评估的数据驱动方法及装置,获取柔性资源各种参数,根据两阶段的思想,构建离线、在线相结合的快速评估框架;基于该框架,离线阶段根据大量柔性资源构建多聚合商运行模型,并对神经网络进行训练,完成耗时工作;在线阶段对动态接入的柔性资源快速分类至聚合域、评估其可行域,形成对大量柔性资源可调节空间的聚合与降维的最优策略,从而可以对柔性资源进行分类及可行域的快速评估,可为柔性资源的实时调度快速接入电网提供重要支撑。
19、本专利技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述根据所述基本柔性资源参数和所述聚合商数量计算每个聚合可行域和每个基本柔性资源的可行域,包括:
3.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述前馈神经网络的损失函数表达式为:
4.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述对所述新柔性资源进行动态分类,得到其对应的最优聚合域,包括:
5.一种支撑可调节资源调度域聚合评估的数据驱动装置,其特征在于,包括:
6.根据权利要求5所述的支撑可调节资源调度域聚合评估的数据驱动装置,其特征在于,所述离线计算模块,包括:
7.根据权利要求5所述的支撑可调节资源调度域聚合评估的数据驱动装置,其特征在于,所述前馈神经网络的损失函数表达式为:
8.根据权利要求5所述的支撑可调节资源调度域聚合评估的数据驱动装置,其特征在于,所述在线分类
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-4任一项所述的支撑可调节资源调度域聚合评估的数据驱动方法。
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,该程序被处理器执行,以用于实现如权利要求1-4任一项所述的支撑可调节资源调度域聚合评估的数据驱动方法。
...【技术特征摘要】
1.一种支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述根据所述基本柔性资源参数和所述聚合商数量计算每个聚合可行域和每个基本柔性资源的可行域,包括:
3.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述前馈神经网络的损失函数表达式为:
4.根据权利要求1所述的支撑可调节资源调度域聚合评估的数据驱动方法,其特征在于,所述对所述新柔性资源进行动态分类,得到其对应的最优聚合域,包括:
5.一种支撑可调节资源调度域聚合评估的数据驱动装置,其特征在于,包括:
6.根据权利要求5所述的支撑可调节资源调度域聚合评...
【专利技术属性】
技术研发人员:仪忠凯,郄占飞,徐英,徐佳宁,李志民,赵子豪,丁一,黄凯,
申请(专利权)人:哈尔滨工业大学,
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。