【技術(shù)實現(xiàn)步驟摘要】
本申請涉及電力調(diào)度，尤其涉及基于電力調(diào)度大模型的調(diào)優(yōu)方法及系統(tǒng)。
技術(shù)介紹
1、在電力系統(tǒng)的運行管理中，電力調(diào)度對于保障電力供應的穩(wěn)定性、可靠性以及經(jīng)濟性至關(guān)重要。然而傳統(tǒng)電力調(diào)度模型通常基于確定的負荷預測和電源結(jié)構(gòu)進行設(shè)計，對系統(tǒng)變化的適應性較差。在清潔能源如風電、光伏等波動性電源大量接入、柔性負荷參與電力調(diào)度的情況下，調(diào)度靈活性以及優(yōu)化調(diào)度準確性均存在較大缺陷。
2、相關(guān)技術(shù)中，通常根據(jù)所有區(qū)域的電力調(diào)度數(shù)據(jù)構(gòu)建一個統(tǒng)一的調(diào)度模型，但由于神經(jīng)網(wǎng)絡(luò)模型訓練的局限性，部分特殊的電力調(diào)度數(shù)據(jù)會在訓練中被忽視或者被覆蓋，導致區(qū)域獨特的調(diào)度模式被忽略，導致針對性降低。而針對于各個區(qū)域單獨構(gòu)建電力調(diào)度模型又會導致過多的全局調(diào)度數(shù)據(jù)被各個區(qū)域模型重復訓練，存在過多的冗余計算，各個區(qū)域均需要承擔復雜的模型訓練，效率低。同時，全局調(diào)優(yōu)過程中各個區(qū)域的描述差異也會造成全局調(diào)優(yōu)的匹配困難，對調(diào)度人員的專業(yè)性要求較高。
3、專利《基于知識蒸餾的多區(qū)域電力系統(tǒng)經(jīng)濟環(huán)境調(diào)度方法及系統(tǒng)》，公開號：cn116306310a，公開日：2023年06月23日，具體公開了方法包括：獲取多區(qū)域電網(wǎng)實時運行數(shù)據(jù)和歷史調(diào)度數(shù)據(jù)；以最小化燃料成本和最小化污染排放為目標函數(shù)，構(gòu)建多目標優(yōu)化模型；構(gòu)建離線的支持向量回歸代理模型；再利用凍結(jié)-微調(diào)的知識蒸餾方法，構(gòu)建在線代理模型；利用改進的快速非支配遺傳算法-iii，迭代求解非支配解，得到包含所有非支配解的帕累托最優(yōu)前沿；利用隸屬度函數(shù)計算所有非支配解的隸屬度值，獲取全局最優(yōu)解，以全局最優(yōu)解為當前時段多
4、專利《基于知識蒸餾和聯(lián)邦學習的電力調(diào)度方法及調(diào)度系統(tǒng)》，公開號：cn117498358a，公開日：2024年02月02日，具體公開了通過對每個區(qū)域平臺的歷史用電數(shù)據(jù)，分別構(gòu)建對應的智能調(diào)度模型，利用每個智能調(diào)度模型作為大模型，訓練聚合模型的小模型，進而可以得到聚合模型的模型參數(shù)，將該聚合模型的模型參數(shù)下發(fā)給每個智能調(diào)度模型，進而可在各個智能調(diào)度模型互相不交互的情況下，利用每個區(qū)域平臺的歷史用電數(shù)據(jù)更新迭代各個智能調(diào)度模型，最后根據(jù)當前區(qū)域平臺的智能調(diào)度模型對當前區(qū)域的耗電進行預測。該方案雖然針對每個區(qū)域平臺構(gòu)建智能調(diào)度模型，確保了調(diào)度的針對性，但每個區(qū)域平臺都需要承擔復雜的訓練過程，效率較低。
技術(shù)實現(xiàn)思路
1、本申請針對現(xiàn)有技術(shù)中電力調(diào)優(yōu)無法兼顧調(diào)優(yōu)針對性以及調(diào)優(yōu)效率，提供基于電力調(diào)度大模型的調(diào)優(yōu)方法及系統(tǒng)，通過根據(jù)全域知識以及區(qū)域知識的差異性構(gòu)建第一教師模型，根據(jù)區(qū)域調(diào)度相關(guān)性構(gòu)建第二教師模型，根據(jù)最低波動成本構(gòu)建學生模型，從而保證電力調(diào)度大模型既學習到了全域電力調(diào)度知識以及相關(guān)性，也保留了區(qū)域的個性化，使得調(diào)度在滿足基礎(chǔ)調(diào)度知識的情況下更貼合實際區(qū)域情況，且利用知識蒸餾技術(shù)將全域知識匹配以及區(qū)域調(diào)度相關(guān)性計算通過教師模型進行訓練，學生模型只需要承擔區(qū)域特性部分計算，減少區(qū)域調(diào)度的計算復雜度，提高調(diào)度效率。
2、為實現(xiàn)上述技術(shù)目的，本申請?zhí)峁┑囊环N技術(shù)方案是，基于電力調(diào)度大模型的調(diào)優(yōu)方法，包括如下步驟：獲取歷史電力調(diào)度知識，基于區(qū)域特性將歷史電力調(diào)度知識劃分為區(qū)域知識以及全域知識；基于全域知識以及區(qū)域知識的差異性構(gòu)建第一教師模型，基于最低波動成本構(gòu)建學生模型；根據(jù)歷史電力調(diào)度知識獲取區(qū)域調(diào)度相關(guān)性，根據(jù)區(qū)域調(diào)度相關(guān)性構(gòu)建第二教師模型；基于知識蒸餾將第一教師模型、第二教師模型以及學生模型關(guān)聯(lián)，構(gòu)建電力調(diào)度大模型；根據(jù)電力調(diào)度大模型以及當前電力數(shù)據(jù)輸出調(diào)優(yōu)策略。
3、進一步的，所述基于全域知識以及區(qū)域知識的差異性構(gòu)建第一教師模型，基于最低波動成本構(gòu)建學生模型包括：以語義特征識別以及相似度特征匹配輸出全域知識與區(qū)域知識的語義匹配概率構(gòu)建第一教師模型；以最低波動成本構(gòu)建調(diào)優(yōu)目標優(yōu)化函數(shù)，基于調(diào)優(yōu)目標優(yōu)化函數(shù)構(gòu)建學生模型。
4、進一步的，所述根據(jù)歷史電力調(diào)度知識獲取區(qū)域調(diào)度相關(guān)性，根據(jù)區(qū)域調(diào)度相關(guān)性構(gòu)建第二教師模型包括：根據(jù)歷史電力調(diào)度影響關(guān)系獲取區(qū)域調(diào)度第一相關(guān)性，根據(jù)區(qū)域知識的語義相似度構(gòu)建區(qū)域調(diào)度第二相關(guān)性；以區(qū)域調(diào)度第一相關(guān)性以及區(qū)域調(diào)度第二相關(guān)性構(gòu)建第二教師模型。
5、進一步的，所述以區(qū)域調(diào)度第一相關(guān)性以及區(qū)域調(diào)度第二相關(guān)性構(gòu)建第二教師模型包括：以區(qū)域調(diào)度第一相關(guān)性輸出位置相關(guān)概率；以區(qū)域調(diào)度第二相關(guān)性輸出語義相關(guān)概率；以位置相關(guān)概率以及語義相關(guān)概率輸出區(qū)域相關(guān)概率，構(gòu)建第二教師模型。
6、進一步的，所述以最低波動成本構(gòu)建調(diào)優(yōu)目標優(yōu)化函數(shù)，基于調(diào)優(yōu)目標優(yōu)化函數(shù)構(gòu)建學生模型包括：以設(shè)備變更比例、區(qū)域影響比例以及偏差概率構(gòu)建調(diào)優(yōu)目標優(yōu)化函數(shù)，以調(diào)優(yōu)目標優(yōu)化函數(shù)構(gòu)建學生模型。
7、進一步的，所述基于知識蒸餾將第一教師模型、第二教師模型以及學生模型關(guān)聯(lián)，構(gòu)建電力調(diào)度大模型還包括：基于關(guān)聯(lián)判斷構(gòu)建全域動態(tài)調(diào)整層；基于全域動態(tài)調(diào)整層以及學生模型構(gòu)建電力調(diào)度大模型。
8、進一步的，所述根據(jù)電力調(diào)度大模型以及當前電力數(shù)據(jù)輸出調(diào)優(yōu)策略包括：根據(jù)當前電力數(shù)據(jù)以及各個學生模型輸出區(qū)域調(diào)優(yōu)策略；根據(jù)區(qū)域調(diào)優(yōu)策略輸出關(guān)聯(lián)區(qū)域，根據(jù)關(guān)聯(lián)區(qū)域的區(qū)域調(diào)優(yōu)策略輸出全域調(diào)優(yōu)策略。
9、進一步的，所述根據(jù)區(qū)域調(diào)優(yōu)策略輸出關(guān)聯(lián)區(qū)域，根據(jù)關(guān)聯(lián)區(qū)域的區(qū)域調(diào)優(yōu)策略輸出全域調(diào)優(yōu)策略包括：根據(jù)區(qū)域調(diào)優(yōu)策略輸出關(guān)聯(lián)區(qū)域；若關(guān)聯(lián)區(qū)域存在唯一區(qū)域調(diào)優(yōu)策略，則根據(jù)唯一區(qū)域調(diào)優(yōu)策略獲取全域調(diào)優(yōu)策略；若關(guān)聯(lián)區(qū)域存在多個區(qū)域調(diào)優(yōu)策略，則根據(jù)多個區(qū)域調(diào)優(yōu)策略以及調(diào)優(yōu)權(quán)重輸出全域調(diào)優(yōu)策略。
10、進一步的，還包括：根據(jù)歷史電力調(diào)度數(shù)據(jù)基于時序運行特性獲取權(quán)重微調(diào)時序；根據(jù)權(quán)重微調(diào)時序以及調(diào)優(yōu)權(quán)重微調(diào)電力調(diào)度大模型。
11、進一步的，所述根據(jù)歷史電力調(diào)度數(shù)據(jù)基于時序運行特性獲取權(quán)重微調(diào)時序包括：根據(jù)設(shè)備運行重復情況獲取歷史電力調(diào)度數(shù)據(jù)中與時序相關(guān)的設(shè)備調(diào)度周期，根據(jù)設(shè)備調(diào)度周期獲取各個設(shè)備在設(shè)備調(diào)度周期中的時序運行特性；獲取當前運行時序，利用各個設(shè)備的時序運行特性獲取與當前運行時序匹配的各個設(shè)備的權(quán)重微調(diào)時序。
12、進一步的，所述利用各個設(shè)備的時序運行特性獲取與當前運行時序匹配的各個設(shè)備的權(quán)重微調(diào)時序還包括：根據(jù)各個設(shè)備的時序運行特性獲取與當前時序匹配的各個設(shè)備調(diào)度補償時段，根據(jù)各個設(shè)備調(diào)度補償時段的補償節(jié)點輸出權(quán)重微調(diào)時序以及權(quán)重微調(diào)值。
13、本申請?zhí)峁┑牧硪环N技術(shù)方案是，基于電力調(diào)度大模型的調(diào)優(yōu)系統(tǒng)，用于實現(xiàn)如上述的方法，包括：數(shù)據(jù)采集部，用于獲取電力調(diào)度知識以及當前電力數(shù)據(jù)；數(shù)據(jù)建模部，包含用于構(gòu)建第一教師模型的第一建模單元、用于構(gòu)建第二教師模型的第二建模單元以及用于構(gòu)建學生模型的第三建模單元，用于構(gòu)建電力調(diào)度大模型；分析調(diào)優(yōu)部，用于根據(jù)電力調(diào)度大模型以及當前電力數(shù)據(jù)輸出調(diào)優(yōu)策略。
14、本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：包括如下步驟：
2.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
3.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
4.如權(quán)利要求3所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
5.如權(quán)利要求2所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
6.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
7.如權(quán)利要求6所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
8.如權(quán)利要求7所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
9.如權(quán)利要求8所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：還包括：
10.如權(quán)利要求9所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
11.如權(quán)利要求10所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
12.基于電力調(diào)度大模型的調(diào)優(yōu)系統(tǒng)，用于實現(xiàn)如權(quán)利要求1至權(quán)利要求11任意一項所述的方法，其特征在于：包括：
【技術(shù)特征摘要】
1.基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：包括如下步驟：
2.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
3.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
4.如權(quán)利要求3所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
5.如權(quán)利要求2所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
6.如權(quán)利要求1所述的基于電力調(diào)度大模型的調(diào)優(yōu)方法，其特征在于：
7.如權(quán)利要求6所述的基...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：錢建國，闕凌燕，朱展，張靜，盧敏，沈奕菲，施正釵，蔣軼澄，裘雨音，張亦涵，章永真，
申請(專利權(quán))人：國網(wǎng)浙江省電力有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。