基于机器学习的分布式光伏能源智能群调群控系统的制作方法

本发明涉及的基于机器学习的分布式光伏能源智能群调群控系统，特别是涉及应用于电力能源系统智能化的基于机器学习的分布式光伏能源智能群调群控系统。

背景技术：

1、随着“双碳”目标的提出，大规模分布式光伏接入电网已成为未来能源系统发展的重要趋势。然而，分布式光伏的间歇性和波动性特征，给电网的安全稳定运行带来了巨大挑战。现有配电网调控手段难以适应高渗透率分布式光伏场景下的精细化管理需求，亟需构建一套智能化的群调群控系统，实现对海量分布式光伏的可观、可测、可控。

2、中国发明专利cn113675894b公开了一种主动配电网云边协同调控方法、装置和终端设备。该方案基于云边协同体系架构，构建了台区优化调控模型，实现了分布式光伏的智能调度。但其主要局限在于，缺少对光伏发电和负荷需求的精准预测能力，未充分挖掘和利用多源异构数据的价值，协同调控的安全性和可信度有待进一步提升。

3、中国发明专利申请cn116962466a公开了一种智慧空间管理方法、系统、计算机设备及存储介质。该方案利用电力线载波通信技术和边缘计算，实现了对用电设备的分组管理和智能控制。但其主要局限在于，未充分考虑分布式光伏等新型能源的接入，协同管理的效率和可扩展性不足，数据安全共享和隐私保护机制尚不完善。

4、现有技术通过引入云边协同架构、优化调控模型、电力线载波通信等，在一定程度上实现了分布式电源的智能管理，但在海量异构数据的融合计算、精准负荷预测、群智协同调控、安全可信交互等方面仍存在不足，难以充分发挥分布式光伏的效益，无法满足能源系统向清洁化、数字化、智能化升级的内在需求。

技术实现思路

1、针对上述现有技术，本发明要解决的技术问题是如何构建一套全栈式、全场景、全链条的分布式光伏智能群调群控系统，提升对分布式光伏的感知、预测、调控、优化水平，在确保数据安全共享的同时，激发源-网-荷-储各方的协同互动，释放分布式能源的潜在价值，助力新型电力系统建设。

2、为解决上述问题，本发明提供了基于机器学习的分布式光伏能源智能群调群控系统，包括感知层、网络层、平台层和应用层；

3、感知层负责多源数据采集包括光伏数据采集模块、用户数据采集模块、台区数据汇聚模块和储能数据采集模块；

4、网络层负责数据安全传输包括光伏-台区通信单元、台区-主站通信单元、台区间通信单元和安全通信单元；

5、平台层负责智能计算存储包括分布式异构计算模块、分层分布式机器学习模块、数据安全与隐私保护模块和智能融合终端；

6、应用层负责智慧运营管控包括全局资产感知模块、多源融合预测模块、多场景协同调度模块、区块链可信控制模块、需求侧智能响应模块和策略自进化模块；

7、还包括故障预警与自愈模块和主动防御模块，可实现设备故障的实时感知、超前预警和快速隔离，主动防御模块，采用对抗生成网络等人工智能安全技术，对各类网络攻击进行实时检测和动态防御。

8、作为本技术的进一步改进，光伏数据采集模块包括区域无线网关、无线采集节点和智能采集单元，用于采集逆变器运行状态、故障信息等，实现容量预测和故障诊断；

9、用户数据采集模块包括电能质量监测单元和需求响应感知单元，用于采集用户侧电能质量和负荷需求等数据；

10、台区数据汇聚模块包括光伏容量预测单元和负荷需求预测单元，实现分布式光伏发电和负荷的精准预测；

11、储能数据采集模块包括储能状态监测单元和储能调度监测单元，用于采集储能设备运行状态和调度信息。

12、作为本技术的再进一步改进，光伏-台区通信单元，采用hplc等多种通信方式，支持动态链路优选；

13、台区-主站通信单元，搭建光纤专网和5g备份链路，提供安全高效数据通道；

14、台区间通信单元，采用分层分布式直流潮流控制，优化柔性互联拓扑；

15、安全通信单元，采用量子密钥分发、同态加密等技术，构建纵深防御体系。

16、作为本技术的更进一步改进，分布式异构计算模块采用边缘计算、区域计算、云计算协同，匹配不同层级的计算需求；

17、分层分布式机器学习模块采用轻量化、综合性、前沿性的模型，匹配不同层级的学习任务，并通过联邦学习实现垂直和水平方向的协同；

18、数据安全与隐私保护模块采用区块链、安全多方计算、差分隐私等技术，实现数据全生命周期保护；

19、智能融合终端内置数据安全芯片、算力平台、智能控制策略，并支持配置式算法，实现分层自适应的融合计算。

20、作为本技术的又一种改进，光伏数据采集模块可对逆变器限功率、无功补偿等参数进行远程设置，实现精准调节；

21、用户数据采集模块支持谐波、三相不平衡度等多指标的长期监测；

22、台区数据汇聚模块可对光伏发电和负荷需求进行超短期、短期递阶预测；

23、储能数据采集模块可对储能健康状态、使用寿命等进行评估。

24、作为本技术的又一种改进的补充，储能应用模块可匹配峰谷电价、可中断负荷、新能源消纳等多种商业模式，提供秒级响应能力；

25、智能融合终端采用轻量化容器化设计，支持分布式部署和统一调度。

26、作为本技术的又一种改进的补充，分层分布式机器学习模块采用横向联邦学习、纵向联邦学习、联邦迁移学习等策略，实现知识的持续积累和跨场景复用；

27、数据安全与隐私保护模块采用多方安全计算、联邦学习、差分隐私等机器学习隐私保护范式，实现数据价值释放与隐私保护的均衡。

28、作为本技术的再一种改进，多源融合预测模块融合气象大数据、设备工况大数据、历史运行大数据等异构数据，为配电网精细化管理提供多维度决策支撑；

29、区块链可信控制模块将控制指令上链存证，并与智能合约交互，触发能量交易结算，实现信息流、能量流、价值流的高度耦合。

30、需求侧智能响应模块引入博弈论机制，激励分布式资源主动参与并响应电网调度，构建多元共治的能源生态；

31、策略自进化模块采用深度强化学习算法，通过海量仿真或线上a/b实验，探索收敛至最优调度策略集。

32、基于机器学习的分布式光伏能源智能群调群控方法，包括以下步骤；

33、s1、感知层数据采集；融合多模态传感器，分层分布式感知多源异构数据；

34、s2、网络层安全通信；综合多层次安全技术，构建能源物联专网；

35、s3、平台层智能计算；端边云协同，多粒度模型并行训练，开展全维度智能计算；

36、s4、应用层智慧运营；数字孪生资产，机器学习赋能全流程优化，区块链确权增信，催生能源新业态；

37、s5、动态优化迭代；持续积累完善模型，增量学习最优策略，形成可解释、可信任、可审计的内生安全智能闭环。

38、综上所述，本技术具有以下有益效果：

39、1.提升了分布式光伏的可观可测可控能力；通过在感知层部署多模态传感器和智能采集单元，实现了对光伏发电、用户负荷、储能状态、电能质量等全场景、多维度、高精度的数据采集，并通过台区数据汇聚模块实现了分布式光伏发电和负荷的精准预测，为上层智能调控提供了坚实的数据支撑。同时，光伏数据采集模块可对逆变器限功率、无功补偿等参数进行远程设置，需求侧智能响应模块可激励分布式资源响应电网调度，进一步提升了分布式光伏的可控性。

40、2.构建了安全高效的能源互联网络；网络层综合多层次安全技术如量子密钥分发、同态加密等，构建了广覆盖、低时延、高可靠、强安全的能源物联专网，保障了海量能源数据的安全传输。同时，采用分层分布式直流潮流控制优化了柔性互联拓扑，台区间通信单元支持动态链路优选，进一步提升了通信的灵活性和效率。

41、3.形成了全维度、自适应的智能计算能力；平台层采用分布式异构计算架构，通过端边云纵向分工协同、数据-算力横向匹配，满足了不同层级的计算需求。分层分布式机器学习模块针对不同的学习任务，灵活采用轻量化、综合性、前沿性的模型，并通过联邦学习实现纵向和横向的协同，不断积累和迁移知识。智能融合终端内置安全芯片和算力平台，支持就地实时决策。

42、4.实现了数据安全共享和隐私保护；平台层采用区块链、安全多方计算、差分隐私、联邦学习等技术，在数据采集、传输、存储、计算、应用等各环节嵌入隐私保护机制，实现了数据全生命周期的安全防护。通过隐私保护机器学习范式，在确保数据隐私安全的同时，促进了数据要素的流通与价值释放，形成了数据共享和隐私保护的良性均衡。

43、5.催生了智慧能源新业态；应用层通过数字孪生全局资产，机器学习赋能状态估计、场景预测、策略优化、交互控制，区块链确权增信经济模型，形成了源网荷储协同的全流程闭环优化。储能应用模块匹配了多种商业模式，提供秒级灵活调度能力。需求侧智能响应突破了传统的自上而下调度模式，引入博弈论机制构建了多元共治的能源生态。策略自进化模块通过深度强化学习持续探索最优调度策略集。多场景协同调度模块实现了精准调度和全局优化，助力新型电力系统建设。

44、6.构筑了能源系统内生安全防御体系；系统融合了区块链可信、可追溯的技术特性，将控制指令上链存证，实现了调度控制的全流程可信追溯。同时，主动防御模块采用对抗生成网络等前沿人工智能安全技术，对各类网络攻击进行实时检测和动态防御，形成了自我进化、自我修复的内生安全智能体。故障预警与自愈模块可实现设备故障的早期预警和快速隔离，进一步提升了系统的鲁棒性和韧性。