一种电力系统的调度方法、调度装置和电子装置与流程

本技术涉及电力系统的调度领域，特别是涉及一种电力系统的调度方法、调度装置和电子装置。

背景技术：

1、电力系统优化调度是在一定调度周期内，在满足电力系统安全约束的同时，以成本最小为目标来制定合理的机组启停和发电计划。然而，随着高比例新能源不断接入，新能源出力的不确定性、波动性和间歇性的特点使得电力系统优化调度难度越来越大。

2、传统的电力系统优化调度方法多采用基于物理模型驱动的方法，而在高渗透率可再生能源的复杂电力系统优化调度场景中，传统的电力系统优化调度方法存在建模困难、计算资源浪费和适应性差等问题，且难以保障决策的实时性。基于数据驱动电力系统优化调度的方法是基于实际数据开展，较传统电力系统优化调度方法具有更好的实用性，能够解决许多电力系统优化调度实际生产环境中的痛点问题。此外，电力系统蕴含了丰富的数据，为实现基于数据驱动的人工智能算法进行电力系统实时优化调度提供了基础。基于数据驱动的优化调度方法具有可适应环境不确定性、平衡短期收益与长期收益、实时决策效率高等优点，其在电力系统应用已经成为了近期的研究热点和趋势。虽然基于数据驱动的电力系统优化调度方法处于研究热点，但是在复杂的电力系统场景应用尚存在不足，主要面临的关键问题包括：离散的状态空间和动作空间导致求解过程出现维数灾问题；庞大的动作空间导致训练过程时间长，且很难收敛至最优策略。

3、针对相关电力系统优化调度技术存在依赖精确的电力系统物理模型与专家经验的技术问题，目前还没有提出有效的解决方案。

技术实现思路

1、在本实施例中提供了一种电力系统的调度方法、调度装置、电子装置和计算机可读存储介质，以解决相关技术中电力系统优化调度技术存在依赖精确的电力系统物理模型与专家经验的问题。

2、第一个方面，在本实施例中提供了一种电力系统的调度方法，所述方法包括：

3、将电力系统的运行数据输入至训练好的变分自动编码器中，获得电力系统运行场景特征；

4、通过所述电力系统运行场景特征、源荷特性的关键物理特征以及高斯混合模型分类器将电力系统运行场景划分成多个子场景；

5、根据所述多个子场景构建多个子场景电力系统优化调度模型；所述电力系统中的机组设备根据所述调度策略进行调度后，进入新的状态，同时生成反馈信息反馈给所述多个子场景智能体；

6、将所述多个子场景电力系统优化调度模型与电力系统仿真环境进行交互训练，得到多个子场景智能体；

7、利用所述多个子场景智能体生成电力系统的调度策略；建立关于马尔可夫决策过程的模型；其中，所述马尔可夫决策过程的变量包括状态、机组观测值、动作、反馈信息；在每个决策阶段中，获取当前时刻所述状态和当前时刻所述机组观测值，根据当前时刻所述状态和当前时刻所述机组观测值做出所述动作，并将所述动作应用于实际电力系统环境中，再得到从所述实际电力系统环境反馈的所述反馈信息与下一调度时刻所述新的状态，重复这一过程，直到整个调度周期结束；基于近端策略优化算法，将所构建的各子场景电力系统优化调度模型与电力系统仿真环境进行交互训练，差异化训练各子场景智能体；通过所述多个子场景智能体从环境中获取包含所述机组观测值的状态空间并给出所述动作，通过与所述实际电力系统环境交互获得的所述反馈信息进行更新，所述状态空间包含多个时刻的所述状态；

8、基于所述电力系统的调度策略对所述电力系统中的机组设备进行调度。

9、在其中的一些实施例中，所述通过所述电力系统运行场景特征、源荷特性的关键物理特征以及高斯混合模型分类器将电力系统运行场景划分成多个子场景包括：将所述电力系统运行场景特征、所述源荷特性的关键物理特征作为多场景划分依据；基于最小化信息量准则，通过高斯混合模型进行聚类，根据轮廓系数将所述电力系统运行场景划分成多个子场景。

10、在其中的一些实施例中，所述根据所述多个子场景构建多个子场景电力系统优化调度模型包括：根据被划分后得到的所述多个子场景，得到所述多个子场景的训练数据集；根据所述多个子场景的训练数据集，构建多个子场景电力系统优化调度模型。

11、在其中的一些实施例中，所述基于近端策略优化算法，将所构建的各子场景电力系统优化调度模型与电力系统仿真环境进行交互训练，差异化训练各子场景智能体包括：基于多场景划分后的训练数据集，各子场景智能体与电力系统仿真环境不断交互；采用所述近端策略优化算法，利用梯度下降机制训练更新所述各子场景智能体至收敛。

12、在其中的一些实施例中，所述电力系统的运行数据包括电力系统运行过程中的机组、负荷功率、线路预测值和线路潮流；所述源荷特性的关键物理特征包括负荷峰值、负荷均值、新能源峰值、新能源均值和新能源峰谷差。

13、第二个方面，在本实施例中提供了一种电力系统调度装置，所述调度装置包括：特征提取模块，用于将电力系统的运行数据输入至训练好的变分自动编码器中，获得电力系统运行场景特征；划分模块，用于通过所述电力系统运行场景特征、源荷特性的关键物理特征以及高斯混合模型分类器将电力系统运行场景划分成多个子场景；建模模块，用于根据所述多个子场景构建多个子场景电力系统优化调度模型；训练模块，用于将所述多个子场景电力系统优化调度模型与电力系统仿真环境进行交互训练，得到多个子场景智能体；生成模块，用于利用所述多个子场景智能体生成电力系统的调度策略；调度模块，用于基于所述电力系统的调度策略对所述电力系统中的机组设备进行调度。

14、在其中的一些实施例中，所述划分模块，还用于将所述电力系统运行场景特征、所述源荷特性的关键物理特征作为多场景划分依据；基于最小化信息量准则，通过高斯混合模型进行聚类，根据轮廓系数将所述电力系统运行场景划分成多个子场景。

15、在其中的一些实施例中，所述建模模块，还用于根据被划分后得到的所述多个子场景，得到所述多个子场景的训练数据集；根据所述多个子场景的训练数据集，构建多个子场景电力系统优化调度模型。

16、第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以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计算机程序时实现上述第一个方面所述的电力系统的调度方法。

17、第四个方面，在本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，该程序被处理器执行时实现上述第一个方面所述的电力系统的调度方法。

18、与相关技术相比，在本实施例中提供的一种电力系统的调度方法、调度装置、电子装置和计算机可读存储介质，通过将电力系统的运行数据输入至训练好的变分自动编码器中，获得电力系统运行场景特征；通过所述电力系统运行场景特征、源荷特性的关键物理特征以及高斯混合模型分类器将电力系统运行场景划分成多个子场景；根据所述多个子场景构建多个子场景电力系统优化调度模型；将所述多个子场景电力系统优化调度模型与电力系统仿真环境进行交互训练，得到多个子场景智能体；利用所述多个子场景智能体生成电力系统的调度策略；基于所述电力系统的调度策略对所述电力系统中的机组设备进行调度，解决了电力系统调度依赖电力系统物理模型与专家经验的技术问题，实现了电力系统安全、经济、绿色运行。

19、本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。