电力系统的配置方法、配置装置和电子设备与流程

本技术涉及电力系统的配置领域，具体而言，涉及一种电力系统的配置方法、配置装置、计算机可读存储介质和电子设备。

背景技术：

1、随着新能源快速发展和新型用能设备广泛接入，电力系统运行特性将发生显著变化。以风电、光伏发电为代表的新能源发电“靠天吃饭”的随机性、以电动汽车为代表的新型用能设备将进一步拉大电力负荷峰谷差，降低电网效率，对传统配电网规划提出挑战。源网荷储协同的电力平衡是新型电力系统规划的核心，平衡结果决定了电网建设的规模和电网规划的效益。能源主体调整带动全国能源布局发生颠覆性变化，大型新能源基地和大规模分布式电源建设快速推进；能源深度脱碳带来社会生产、生活和用能方式转变，一方面用能与绿色能源打通，另一方面电能替代加速推进；能效提升成为关键问题和系统问题，需要对资源配置方式进行系统性改变，以电能为能源主要承载形式、以能源互联网为资源配置方式。

2、电力系统作为能源系统的重要组成部分以及“双碳”目标的主要参与者、推动者，其源网荷储等关键环节迎来深刻变革。大规模电力系统运行状态及约束限制错综复杂，仅依靠随机探索与交互学习机制难以保证系统运行信息的学习全面性，高昂的模型训练及迁移成本又使模型难以保证动态适应变化边界条件的应用普适性，需要针对性研究人工智能技术应用瓶颈，找出人工智能赋能源网荷储协同的技术突破口。因此，如何提高电网安全运行水平，合理协调控制源网荷储多参与主体的运营，已成为现有技术中亟待解决的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种电力系统的配置方法、配置装置、计算机可读存储介质和电子设备，以至少解决现有技术中电力系统的配置方法不能与人工智能模型相结合的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种电力系统的配置方法，其特征在于，包括：获取电力系统的发电机组参数，根据所述发电机组参数构建所述电力系统的配置模型，其中，所述发电机组参数为所述电力系统的发电机组的运行参数，所述发电机组至少包括风力发电机组和光伏发电机组，所述运行参数至少包括所述风力发电机组的额定风速和额定功率；获取所述发电机组的元器件参数，根据所述发电机组参数和所述元器件参数构建物理平面模型，其中，所述元器件参数为所述发电机组所包含的元器件的参数且至少包括额定功率和额定电压，所述物理平面模型为对所述电力系统的进行仿真得到的模型；确定约束条件，根据所述物理平面模型和所述约束条件确定所述电力系统的配置方案，并根据所述配置方案确定可行配置方案，按照所述可行配置方案通过所述配置模型配置所述电力系统，其中，所述约束条件至少包括潮流约束条件、电压约束条件和电流约束条件，所述配置方案至少包括所述发电机组参数的配置。

3、可选地，根据所述发电机组参数构建所述电力系统的配置模型，包括：根据所述发电机组参数构建源层模型，其中，所述源层模型为表征所述电力系统的发电电源的模型；获取所述电力系统的可调度资源，根据所述可调度资源构建网层模型，其中，所述网层模型为表征所述电力系统的配电网调度的模型；获取所述电力系统的负荷信息，根据所述负荷信息构建荷层模型，其中，所述荷层模型为表征所述电力系统的用电负荷的模型；将所述源层模型的输出作为所述网层模型的输入，将所述网层模型的输出作为所述荷层模型的输入，构建所述电力系统的配置模型。

4、可选地，在根据所述发电机组参数和所述元器件参数构建物理平面模型之后，所述方法还包括：使用所述物理平面模型对所述发电机组参数和所述元器件参数进行数字化处理，得到第一处理结果，其中，所述数字化处理为将所述发电机组参数和所述元器件参数使用数字进行标注的处理；将所述第一处理结果发送至互作用平面模型，使用所述互作用平面模型对所述第一处理结果通过卷积网络进行筛选和补充，得到第二处理结果，其中，所述互作用平面模型为对所述物理平面模型的数据通过人工智能方法进行处理的模型。

5、可选地，根据所述物理平面模型和所述约束条件确定所述电力系统的配置方案，包括：将所述约束条件和所述第二处理结果发送至数字平面模型，使用所述数字平面模型对所述第二处理结果和所述约束条件进行求解，得到所述配置方案。

6、可选地，根据所述配置方案确定可行配置方案，按照所述可行配置方案通过所述配置模型配置所述电力系统，包括：将所述配置方案发送至所述互作用平面模型，使所述互作用平面模型进行核验，得到可行配置方案；将所述可行配置方案发送至所述物理平面模型，并使所述物理平面模型将所述可行配置方案发送至所述配置模型，以使所述配置模型输出与所述可行配置方案对应的发电机组参数，以配置所述电力系统。

7、可选地，所述方法还包括：获取所述发电机组的输入功率、输出功率、调度因子和工作效率，根据所述输入功率、所述输出功率、所述调度因子和所述工作效率确定耦合关系；根据所述耦合关系构建能源集线器模型，其中，所述能源集线器模型为表征所述电力系统的能量交换的模型且包括多个能量转换装置、多个能量聚合点和多个能量分离点，所述能量转换装置用于所述电力系统中多种能源的转换，所述能量聚合点为聚合不同类型的能量的电网连接节点，所述能量分离点为表征能量分离的电网连接节点。

8、可选地，确定约束条件，包括：通过公式确定所述潮流约束条件，其中，pi(t)为所述电力系统中节点i实际注入的有功功率，pdn,i(t)为所述电力系统中节点i原来注入的有功功率，为所述光伏发电机组的输出功率，为所述风力发电机组的输出功率，psop,i(t)为智能软开关传输的有功功率，所述智能软开关与无功补偿装置连接用于无功补偿，为所述能量聚合点传输的功率，为所述能量分离点传输的功率，pves,i(t)为储能装置的有功功率，qi(t)为所述电力系统中节点i实际注入的无功功率，qdn,i(t)为所述电力系统中节点i原来注入的无功功率，qsop,i(t)为所述智能软开关传输的无功功率，qsvc,i(t)为所述无功补偿装置的无功功率，qves,i(t)为所述储能装置的无功功率；通过公式确定所述电压约束条件和所述电流约束条件，其中，vmin为所述电力系统的节点电压的最小值，vmax为所述节点电压的最大值，imin为所述电力系统的支路电流的最小值，imax为所述支路电流的最大值。

9、根据本技术的另一方面，提供了一种电力系统的配置装置，其特征在于，包括：第一构建单元，用于获取电力系统的发电机组参数，根据所述发电机组参数构建所述电力系统的配置模型，其中，所述发电机组参数为所述电力系统的发电机组的运行参数，所述发电机组至少包括风力发电机组和光伏发电机组，所述运行参数至少包括所述风力发电机组的额定风速和额定功率；第二构建单元，用于获取所述发电机组的元器件参数，根据所述发电机组参数和所述元器件参数构建物理平面模型，其中，所述元器件参数为所述发电机组所包含的元器件的参数且至少包括额定功率和额定电压，所述物理平面模型为对所述电力系统的进行仿真得到的模型；配置单元，用于确定约束条件，根据所述物理平面模型和所述约束条件确定所述电力系统的配置方案，并根据所述配置方案确定可行配置方案，按照所述可行配置方案通过所述配置模型配置所述电力系统，其中，所述约束条件至少包括潮流约束条件、电压约束条件和电流约束条件，所述配置方案至少包括所述发电机组参数的配置。

10、根据本技术的再一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的配置方法。

11、根据本技术的又一方面，提供了一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的配置方法。

12、应用本技术的技术方案，获取电力系统的发电机组参数，根据发电机组参数构建电力系统的配置模型；之后获取发电机组的元器件参数，根据发电机组参数和元器件参数构建物理平面模型；确定约束条件，根据物理平面模型和约束条件确定电力系统的配置方案，并根据配置方案确定可行配置方案，按照可行配置方案通过配置模型配置电力系统。与现有技术中，电力系统与人工智能结合进行电网配置的方法不具有普适性相比，本技术通过上述模型与约束条件进行联合求解，得到可行配置方案，适用于各种电网的配置场景，因此，能够解决现有技术中电力系统与人工智能结合进行电网配置的方法不具有普适性的问题。