一种基于在线模型辨识的电力系统人机协同操作决策方法及系统与流程

本发明涉及智能电网领域，尤其涉及一种基于在线模型辨识的电力系统人机协同操作决策方法及系统。

背景技术：

1、随着电力市场的快速发展，电力系统之间建立区域性连接的趋势日益明显，现代电力系统运行呈现分层次、互联化的趋势。现代多区域互联电力系统具有结构复杂、非线性和时滞鲁棒性、电力参数的不确定性以及控制区域内负荷需求的随机波动等特点。因此，进一步加强多区域互联电力系统的负荷频率控制策略势在必行。多区域互联电力系统的负荷频率控制策略的主要目标是确保频率和区域间联络线功率的稳定性，从而有效地管理需求和干扰的变化。

2、随着多区域互联电力系统的负荷频率控制策略控制目标从单个电力单元逐步过渡到多区域互联电力系统，控制方法也在不断发展。它已从经典的单变量“比例-积分-微分”控制扩展到基于模糊逻辑和神经网络的智能控制方法，以及适用于多变量和多目标的模型预测控制方法，成为近年来的研究热点。以往的研究表明，采用分布式多变量和多目标的模型预测控制方案，能够解决具有耦合和非耦合负荷需求的多区域互联电力系统的多区域互联电力系统的负荷频率控制策略问题。近年来，光伏、风电等可再生能源并网使得电力系统的拓扑结构和动态性能变得越来越复杂。当控制器无法准确检测到负载功率变化时，难以达到最优控制效果。

技术实现思路

1、本发明公开了一种基于在线模型辨识的电力系统人机协同操作决策方法及系统，能够准确检测负载功率变化情况以实现最优控制。

2、为了解决上述技术问题，本发明实施例公开了一种基于在线模型辨识的电力系统人机协同操作决策方法，所述方法包括：

3、s1：根据光伏发电系统和火力发电系统，建立适用于负荷频率控制任务的两区域电力系统动力学模型；

4、s2：根据预先收集的操作员行为数据及相应的电力系统状态数据，通过操作员模型采用高斯过程回归方法，建立操作员行为高斯过程模型；

5、s3：基于所述两区域电力系统动力学模型和所述操作员行为高斯过程模型，设计基于高斯过程的模型预测控制算法和电力系统负荷频率集成控制器；

6、s4：根据所述模型预测控制算法和所述电力系统负荷频率集成控制器，构建对应的目标函数；

7、s5：结合当前时刻操作员的控制指令求解所述目标函数，并根据求解结果通过所述两区域电力系统动力学模型完成负荷频率控制；

8、所述两区域电力系统动力学模型具体为：

9、xk+1＝adxk+bduk，yk＝cdxk

10、式中，k表示当前时刻,xk+1表示k+1时刻的电力系统状态变量，xk表示当前时刻的电力系统状态变量，uk表示作用在电力系统上的控制信号，yk表示电力系统的输出变量；ad表示系统矩阵；bd表示控制矩阵；cd表示输出矩阵；

11、所述操作员行为高斯过程模型具体为：

12、uh,k＝gh(xk)

13、其中，uh,k表示当前时刻的操作员控制指令，gh(xk)表示服从均值函数，xk表示当前时刻的电力系统状态变量；

14、所述目标函数具体为：

15、

16、

17、

18、

19、

20、

21、

22、式中，n表示所述模型预测控制算法的预测步数，i表示时刻，δuc,i表示i时刻电力系统负荷频率集成控制器的控制指令，uc,i-1表示i时刻的上一时刻的控制器控制指令，表示增广系统状态变量i+1时刻的均值，表示增广系统状态变量i+1时刻的方差，σε表示操作员模型构建过程中引入的加性高斯噪声ε的方差，zk表示i时刻的增广系统状态变量，xk表示当前时刻的电力系统的状态，表示所述增广系统状态变量i时刻的均值，表示所述增广系统状态变量i时刻的方差，表示所述电力系统负荷频率集成控制器的控制指令增量i时刻的均值，表示所述电力系统状态变量i时刻的均值，表示所述增广系统状态变量0时刻的均值，表示所述增广系统状态变量0时刻的方差，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵，表示数学期望。

23、优选地，所述系统矩阵ad表示为：

24、

25、所述控制矩阵bd表示为：

26、

27、所述输出矩阵cd表示为：

28、

29、式中，a1和a3表示光伏系统传递函数极点横坐标的相反数，a2表示光伏系统传递函数零点横坐标的相反数，tpt表示光伏发电区域和火力发电区域之间的同步系数，kp表示发电机增益，tp表示发电机的一阶惯性时间常数，r表示调速器的速度调节系数，kg表示调速器增益，tg表示调速器的一阶惯性时间常数，kt表示汽轮机增益，tt表示汽轮机的一阶惯性时间常数，kr表示再热器增益，tr表示再热器的一阶惯性时间常数，kpv表示光伏系统的增益，b表示频率偏差因子，δt表示系统控制周期；δpp,k表示光伏系统的过渡功率偏差，δppv,k表示光伏系统的输出功率偏差，δptie,k表示系统联络线的交换功率偏差，δft,k表示火力发电区域的频率偏差，δpg,k表示调速器的功率偏差，δpt,k表示汽轮机的功率偏差，δpr,k表示再热器的功率偏差；λ表示控制权重分配系数；ud,k表示当前时刻操作员的控制指令，uc,k表示当前时刻电力系统负荷频率集成控制器的控制指令。

30、优选地，所述操作员行为高斯过程模型的协方差函数为：

31、

32、式中，x{p}和x{q}表示包含m组操作员控制指令数据的数据集所述数据集包括中的任意两个数据点p、q的状态变量，其中，x{i}表示状态变量，i表示所述操作员控制指令数据的序号，表示操作员控制指令；σf表示与所述数据集相关的常数，l表示与所述数据集相关的常数矩阵，θ表示σf和l的超参数集合。

33、优选地，所述超参数集合θ由负对数边缘概率似然估计方法确定；

34、所述超参数集合θ具体表达式为：

35、

36、式中，θ*表示最优的超参数集合，uh表示所述数据集中状态变量xv，x表示操作员控制指令构成的矩阵，其表达式为x＝[x{1} … x{m}]t；

37、负对数边缘概率的具体表达式为：

38、

39、式中，p表示边缘概率，x表示数据集中数据点的状态变量，m表示数据集中操作员控制指令数据组数，协方差矩阵kx,x中第p行第q列的元素[kx,x]pq表示所述数据集中第p个和第q个数据点的状态变量的协方差κ(xp,xq)，表示建模过程中引入的加性高斯噪声n的方差，表示单位矩阵。

40、优选地，所述增广系统的系统矩阵所述控制矩阵和所述操作员指令系数矩阵hd的表达式为：

41、

42、式中，κ表示控制权重分配系数，k表示增广系统的状态反馈增益矩阵，表示所述增广系统的雅可比矩阵，ad表示系统矩阵，bd表示控制矩阵，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵；

43、所述雅可比矩阵表达式为：

44、式中，表示所述增广系统的雅可比矩阵，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵，表示所述电力系统状态变量i时刻的均值；

45、所述目标函数中矩阵范数的期望值的表达式为：

46、

47、式中，cd表示输出矩阵，q表示根据控制质量要求调节的目标函数增益矩阵，k表示增广系统的状态反馈增益矩阵，表示所述电力系统状态变量i时刻的均值，表示所述电力系统负荷频率集成控制器的控制指令增量i时刻的均值。

48、本发明公开了一种基于在线模型辨识的电力系统人机协同操作决策方法，包括：根据光伏发电系统和火力发电系统，建立适用于负荷频率控制任务的两区域电力系统动力学模型；根据预先收集的操作员行为数据及相应的电力系统状态数据，通过高斯过程回归方法，建立操作员行为高斯过程模型；基于两区域电力系统动力学模型和操作员行为高斯过程模型，设计基于高斯过程的模型预测控制算法和电力系统负荷频率集成控制器；根据模型预测控制算法和电力系统负荷频率集成控制器，构建对应的目标函数；结合当前时刻操作员的控制指令求解目标函数，并根据求解结果通过两区域电力系统动力学模型完成负荷频率控制。能够准确检测负载功率变化情况以实现最优控制。通过引入高斯过程来构造能够处理操作行为不确定性的行为模型，兼顾模型预测精度和控制实时性的需求，在具有不确定负荷干扰的任务场景下实现降低所述新型电力系统负载频率波动的目标。因此，能够准确检测负载功率变化情况以实现最优控制。

49、为了解决上述技术问题，本发明实施例还提供了一种基于在线模型辨识的电力系统人机协同操作决策系统，所述系统包括：

50、动力学模型构建模块，用于根据光伏发电系统和火力发电系统，建立适用于负荷频率控制任务的两区域电力系统动力学模型；

51、高斯过程模型构建模块，用于根据预先收集的操作员行为数据及相应的电力系统状态数据，通过高斯过程回归方法，建立操作员行为高斯过程模型；

52、设计模块，用于基于所述两区域电力系统动力学模型和所述操作员行为高斯过程模型，设计基于高斯过程的模型预测控制算法和电力系统负荷频率集成控制器；

53、目标函数构建模块，用于根据所述模型预测控制算法和所述电力系统负荷频率集成控制器，构建对应的目标函数；

54、控制模块，用于结合当前时刻操作员的控制指令求解所述目标函数，并根据求解结果通过所述两区域电力系统动力学模型完成负荷频率控制；

55、所述两区域电力系统动力学模型具体为：

56、xk+1＝adxk+bduk，yk＝cdxk

57、其中，k表示当前时刻,xk+1表示k+1时刻的电力系统状态变量，xk表示当前时刻的电力系统状态变量，uk表示作用在电力系统上的控制信号，yk表示电力系统的输出变量；ad表示系统矩阵；bd表示控制矩阵；cd表示输出矩阵；

58、所述操作员行为高斯过程模型具体为：

59、uh,k＝gh(xk)

60、其中，uh,k表示当前时刻的操作员控制指令，gh(xk)表示服从均值函数，xk表示当前时刻的电力系统状态变量；

61、所述目标函数具体为：

62、

63、

64、

65、

66、

67、

68、

69、其中，n表示所述模型预测控制算法的预测步数，i表示时刻，δuc,i表示i时刻电力系统负荷频率集成控制器的控制指令，uc,i-1表示i时刻的上一时刻的控制器控制指令，表示增广系统状态变量i+1时刻的均值，表示增广系统状态变量i+1时刻的方差，σε表示操作员模型构建过程中引入的加性高斯噪声ε的方差，zk表示i时刻的增广系统状态变量，xk表示当前时刻的电力系统的状态，表示所述增广系统状态变量i时刻的均值，表示所述增广系统状态变量i时刻的方差，表示所述电力系统负荷频率集成控制器的控制指令增量i时刻的均值，表示所述电力系统状态变量i时刻的均值，表示所述增广系统状态变量0时刻的均值，表示所述增广系统状态变量0时刻的方差，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵。

70、优选地，所述系统矩阵ad表示为：

71、

72、所述控制矩阵bd表示为：

73、

74、所述输出矩阵cd表示为：

75、

76、式中，a1和a3表示光伏系统传递函数极点横坐标的相反数，a2表示光伏系统传递函数零点横坐标的相反数，tpt表示光伏发电区域和火力发电区域之间的同步系数，kp表示发电机增益，tp表示发电机的一阶惯性时间常数，r表示调速器的速度调节系数，kg表示调速器增益，tg表示调速器的一阶惯性时间常数，kt表示汽轮机增益，tt表示汽轮机的一阶惯性时间常数，kr表示再热器增益，tr表示再热器的一阶惯性时间常数，kpv表示光伏系统的增益，b表示频率偏差因子，δt表示系统控制周期；δpp,k表示光伏系统的过渡功率偏差，δppv,k表示光伏系统的输出功率偏差，δptie,k表示系统联络线的交换功率偏差，δft,k表示火力发电区域的频率偏差，δpg,k表示调速器的功率偏差，δpt,k表示汽轮机的功率偏差，δpr,k表示再热器的功率偏差；λ表示控制权重分配系数；ud,k表示当前时刻操作员的控制指令，uc,k表示当前时刻电力系统负荷频率集成控制器的控制指令。

77、优选地，所述操作员行为高斯过程模型的协方差函数为：

78、

79、式中，x{p}和x{q}表示包含m组操作员控制指令数据的数据集所述数据集包括中的任意两个数据点p、q的状态变量，其中，x{i}表示状态变量，i表示所述操作员控制指令数据的序号，表示操作员控制指令；σf表示与所述数据集相关的常数，l表示与所述数据集相关的常数矩阵，θ表示σf和l的超参数集合。

80、优选地，所述超参数集合θ由负对数边缘概率似然估计方法确定；

81、所述超参数集合θ具体表达式为：

82、

83、式中，θ*表示最优的超参数集合，uh表示所述数据集中状态变量xv，x表示操作员控制指令构成的矩阵，表达式为x＝[x{1} … x{m}]t；

84、负对数边缘概率的具体表达式为：

85、

86、式中，p表示边缘概率，x表示数据集中数据点的状态变量，m表示数据集中操作员控制指令数据组数，协方差矩阵kx,x中第p行第q列的元素[kx,x]pq表示所述数据集中第p个和第q个数据点的状态变量的协方差κ(xp,xq)，表示建模过程中引入的加性高斯噪声n的方差，表示单位矩阵。

87、优选地，所述增广系统的系统矩阵所述控制矩阵和所述操作员指令系数矩阵hd的表达式为：

88、

89、式中，λ表示控制权重分配系数，k表示增广系统的状态反馈增益矩阵，表示所述增广系统的雅可比矩阵，ad表示系统矩阵，bd表示控制矩阵，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵；

90、所述雅可比矩阵表达式为：

91、式中，表示所述增广系统的雅可比矩阵，表示增广系统的系统矩阵，表示控制矩阵，hd表示操作员指令系数矩阵，表示所述电力系统状态变量i时刻的均值；

92、所述目标函数中矩阵范数的期望值的表达式为：

93、

94、式中，cd表示输出矩阵，q表示根据控制质量要求调节的目标函数增益矩阵，k表示增广系统的状态反馈增益矩阵，表示所述电力系统状态变量i时刻的均值，表示所述电力系统负荷频率集成控制器的控制指令增量i时刻的均值。