一种多场景配电网的互动调控方法及系统与流程

本发明涉及电网调控，具体而言，涉及一种多场景配电网的互动调控方法及系统。

背景技术：

1、配电网作为电力系统的重要组成部分，不仅要满足传统供电的基本需求，还要适应分布式能源、电动汽车充电站、智能家居等新兴负荷的接入，这些变化带来了多场景下的多用户群的复杂需求，对配电网的调控能力提出了更高的要求。多场景中存在较多的用户群，传统的配电网在多场景下需要服务于工业、商业、居民等多个用户群，每个用户群都有其独特的用电需求和偏好，例如，工业用户可能更关注供电的稳定性和可靠性，而居民用户可能更注重电价的合理性和用电的便利性。

2、在现有技术中，配电网调控措施往往侧重于单一目标，如最小化运营成本或最大化能源效率。然而，基于单一目标的调控策略难以满足多场景下多用户群的多样化需求。例如，为了降低成本而采取的调控措施会牺牲供电的可靠性，此外，随着可再生能源的大规模接入，配电网还需要应对风能、太阳能等能源的间歇性和不确定性，这进一步增加了调控的复杂性，导致配电网无法满足多场景下不同用户群的用电需求。

技术实现思路

1、本发明解决的问题是如何改善配电网调控的灵活性和适应性。

2、为解决上述问题，本发明提供一种多场景配电网的互动调控方法，包括：

3、获取配电网中所有场景节点的实时配电数据；

4、根据所述实时配电数据进行分析，得到所有所述场景节点下的每个用户群的当前用电数据；

5、根据所述当前用电数据进行预测，得到所述用户群在预设未来时间段内的未来用电数据；

6、根据所述预设未来时间段内的所述未来用电数据，得到所有所述场景节点下的每个用户群的用电特征，所述用电特征包括所述用户群的用电模式、峰谷时段以及负荷走势；

7、根据每个所述用户群的所述用电模式、所述峰谷时段以及所述负荷走势，确定所有所述场景节点下的每个用户群在所述预设未来时间段的调控目标；

8、将所述用户群的所述调控目标和所述用户群的所述当前用电数据输入多目标策略模型，得到每个所述用户群的子调控决策；

9、根据每个所述用户群的所述子调控决策，确定每个所述子调控决策对于所述配电网的最终调控决策的适应度；

10、根据每个所述子调控决策的所述适应度进行多目标优化，得到所述配电网的所述最终调控决策；

11、根据所述最终调控决策控制所述配电网进行配电。

12、可选地，所述根据所述实时配电数据进行分析，得到所有所述场景节点下的每个用户群的当前用电数据，包括：

13、根据所述实时配电数据获取所有所述场景节点的用电指标，所述用电指标包括所述场景节点的当前电量、电压、电流和功率；

14、根据所述用电指标结合所述场景节点下的每个所述用户群的功率占比，确定所述用户群的所述当前用电数据；

15、其中，根据所述场景节点的电压和电流，确定所述场景节点的总功率；

16、根据所述总功率和所述功率占比，确定所述用户群的当前使用功率；

17、根据所述当前使用功率，确定所述用户群的所述当前用电数据。

18、可选地，所述根据所述当前用电数据进行预测，得到所述用户群在预设未来时间段内的未来用电数据，包括：

19、获取所述预设未来时间段内的影响因素数据，所述影响因素数据包括所述用户群的地理位置和气候数据；

20、根据所述当前用电数据、所述地理位置和所述气候数据，确定对应的预测模型，并将所述当前用电数据、所述地理位置和所述气候数据输入所述预测模型；

21、通过所述预测模型对每个所述用户群进行批量预测，得到所述用户群在所述预设未来时间段的所述未来用电数据。

22、可选地，所述根据所述预设未来时间段内的所述未来用电数据，得到所有所述场景节点下的每个用户群的用电特征，包括：

23、通过k-means聚类算法的目标函数，根据所述用户群在所述预设未来时间段内的所述未来用电数据对所述用户群进行分组，将所述用户群分为多个聚类；

24、所述目标函数为：

25、j＝；

26、其中，为所述聚类的数量，为第i聚类的所述用户群，为所述第i聚类的所述用电特征的中心点，x为所述用户群的未来用电数据，j为所有所述聚类到所述用电特征的所述中心点的距离的平方和；

27、根据每个所述聚类的所述用户群的所述未来用电数据进行特征提取，得到所述用户群的所述用电特征。

28、可选地，所述根据每个所述聚类的所述用户群的所述未来用电数据进行特征提取，得到所述用户群的所述用电特征，所述用电特征包括所述用户群的用电模式、峰谷时段以及负荷走势，包括：

29、根据所述聚类的所述用户群的所述未来用电数据，得到所述用户群在所述预设未来时间段内的负荷曲线；

30、根据所述负荷曲线对所述预设未来时间段内所述用户群的用电行为进行预测，得到所述用户群在所述预设未来时间段内的所述用电模式、所述峰谷时段以及所述负荷走势。

31、可选地，所述根据每个所述用户群的所述用电模式、所述峰谷时段以及所述负荷走势，确定所有所述场景节点下的每个用户群在所述预设未来时间段的调控目标，包括：

32、根据所述用户群在所述预设未来时间段内的用电需求，得到所述预设未来时间段内的期望配电数据；

33、根据所述用户群的所述用电模式、所述峰谷时段以及所述负荷走势与每个所述用户群对应的所述期望配电数据，得到所述调控目标。

34、可选地，所述将所述用户群的所述调控目标和所述用户群的所述当前用电数据输入多目标策略模型，得到每个所述用户群的子调控决策，包括：

35、将所述用户群的所述调控目标和所述用户群的所述当前用电数据输入多目标策略模型；

36、将所述当前用电数据以及所述调控目标进行融合，得到整合特征向量；

37、对所述整合特征向量中的每个特征向量分配权重，再通过优化算法对所述多目标策略模型求解，得到pareto最优解集；

38、根据所述pareto最优解集进行筛选，得到所述用户群的所述子调控决策。

39、可选地，所述根据每个所述用户群的所述子调控决策，确定每个所述子调控决策对于所述配电网的最终调控决策的适应度，包括：

40、将所述子调控决策进行编码，得到所述子调控决策的二进制编码；

41、通过适应度函数，根据所述子调控决策的二进制编码确定所述子调控决策对所述配电网的所述最终调控决策的所述适应度。

42、可选地，所述根据每个所述子调控决策的所述适应度进行多目标优化，得到所述配电网的所述最终调控决策，包括：

43、根据所述用户群的所述子调控决策进行初始化得到初始种群；

44、根据所述适应度从所述初始种群中选择所述子调控决策，并通过交叉变异操作对选择的所述子调控决策进行迭代，形成新种群；

45、对所述新种群中的所述子调控决策的所述适应度进行更新，得到更新后的所述适应度；

46、当所述更新后的适应度达到预设阈值后，根据最后一次迭代形成的所述新种群中，得到所述最终调控决策的pareto最优解集；

47、根据所述pareto最优解集，得到所述最终调控决策。

48、本发明还提供一种多场景配电网的互动调控系统，包括：

49、数据获取单元，用于获取配电网中所有场景节点的实时配电数据；

50、第一分析单元，用于根据所述实时配电数据进行分析，得到所有所述场景节点下的每个用户群的当前用电数据；

51、预测单元，用于根据所述当前用电数据进行预测，得到所述用户群在预设未来时间段内的未来用电数据；

52、第二分析单元，用于根据所述预设未来时间段内的所述未来用电数据，得到所有所述场景节点下的每个用户群的用电特征，所述用电特征包括所述用户群的用电模式、峰谷时段以及负荷走势；

53、根据每个所述用户群的所述用电模式、所述峰谷时段以及所述负荷走势，确定所有所述场景节点下的每个用户群在所述预设未来时间段的调控目标；

54、第一决策单元，用于将所述用户群的所述调控目标和所述用户群的所述当前用电数据输入多目标策略模型，得到每个所述用户群的子调控决策；

55、根据每个所述用户群的所述子调控决策，确定每个所述子调控决策对于所述配电网的最终调控决策的适应度；

56、第二决策单元，用于根据每个所述子调控决策的所述适应度进行多目标优化，得到所述配电网的所述最终调控决策；

57、调控单元，用于根据所述最终调控决策控制所述配电网进行配电。

58、本发明的多场景配电网的互动调控方法及系统，通过实时获取并分析配电网中所有场景节点的用电数据，精确掌握不同用户群的当前用电情况。接着，利用预测技术预测用户群在未来时间段内的用电需求，为调控决策提供前瞻性信息。不仅考虑了用电需求，还分析用户的用电模式、峰谷时段和负荷走势，从而为每个用户群定制了个性化的用电特征。这些特征的识别为制定调控目标提供了更加精准的依据，使得调控策略能够更好地满足不同用户群的特定需求。通过多目标策略模型，将每个用户群的调控目标与当前用电数据相结合，生成子调控决策。这种方法不仅考虑了单一目标，而是综合了多个目标，如成本、效率、可靠性等，从而在满足多样化需求的同时，实现了资源的最优配置。通过适应度评估和多目标优化，该方法能够从多个可能的子调控决策中选择出最优的最终调控决策，确保了配电网在实现成本效益的同时，也能够保障供电的稳定性和可靠性，满足不同用户群的用电需求。本发明通过智能化的数据获取和分析、个性化的用电特征识别、多目标的策略制定以及优化的决策选择，有效地提升了配电网在多场景下的调控灵活性和适应性，用更简单的最终调控决策尽可能满足配电网中各个场景的用户群的用电需求。