一种智能电网调度优化方法及系统

本发明属于电网的高质量供电领域，涉及了一种电网调度优化方式--ai测试数据可信度量评估电网供电质量；具体的是，涉及了一种智能电网调度优化方法及系统。

背景技术：

1、使用ai测试数据对电网调度进行优化的技术背景是基于人工智能和数据分析的应用。电网调度是指根据电力系统的负荷需求和发电能力，合理安排电力资源的分配和调度，以保证电网的稳定运行和电力供应的可靠性。传统的电网调度方法通常基于经验规则和数学模型，但由于电力系统的复杂性和不确定性，这些方法往往无法充分考虑各种因素的综合影响，导致调度效果不佳。而利用ai测试数据进行电网调度优化的方法，则通过收集和分析大量的电力系统运行数据，结合人工智能算法，可以更准确地预测电力系统的负荷需求、发电能力以及各种潜在的故障情况，从而实现对电网调度的优化。具体来说，ai测试数据可以包括历史负荷数据、天气数据、设备运行状态数据等。通过对这些数据进行深度学习和模型训练，可以建立起电力系统的预测模型和优化模型。这些模型可以帮助电网调度员更准确地预测未来的负荷需求和发电能力，并根据实时的数据进行调整和优化，以实现电网的高效运行和质量优化。总结起来，使用ai测试数据对电网调度进行优化的技术背景是基于人工智能和数据分析的方法，通过收集和分析大量的电力系统运行数据，结合深度学习和模型训练，可以实现对电网调度的精确预测和优化，提高电网质量和可靠性。

技术实现思路

1、针对上述问题，本发明目的是提供了一种智能电网调度优化方法及系统，提供科学的信息支持和精细化的设备管理，提高供电效率、增加设备安全性、降低设备成本。

2、本发明的技术方案是：本发明所述的一种智能电网调度优化方法，包括以下步骤：

3、(1)、调节器模块根据中央控制模块的指令，调节所需参数，提供项目所需数据；

4、(2)、获取电网调度初步的装置内部环境数据，并对环境数据进行预处理；

5、(3)、根据获取的环境数据，搭建lstm预测模型；采用雾凇算法，利用训练数据集，以最小误差为优化目标，得到最优的ai控制策略；

6、(4)根据得到的优化ai控制策略，再次控制设备调节从而实现对ai的电网调度进行控制。

7、进一步的，在步骤(2)中，所述环境数据包括电压、频率及等功角。

8、进一步的，在步骤(3)中，所述lstm预测模型建立过程如下：

9、利用lstm对每个模态分量分别进行建模；

10、lstm模型主要由遗忘门、输入门、记忆门和输出门构成；

11、遗忘门用来选择性遗忘上一个节点输入的ai电网数据，输入门用来输入ai电网数据，记忆门用来选择性记忆输入的ai电网数据，输出门用来输出ai电网数据；运算公式如下：

12、ft＝σ(wf·[xt，ht-1]+bf)

13、it＝σ(wi·[xt，ht-1]+bi)

14、ct＝tanh(wc·[xt，ht-1]+bc)

15、ct＝ft·ct-1+it·ct

16、ot＝σ(wo·[xt，ht-1]+bo)

17、ht＝ot·tanh(ct)

18、式中，ft、it、ct、ot为遗忘门、输入门、记忆门、输出门的信息更新过程，wf、wi、wc、wo为其对应的权重矩阵，bf、bi、bc、bo为其对应的偏置常量；ct为临时状态；σ为sigmoid函数；tanh为双曲正切函数；xt为当前状态的电压、频率、功角数据；ht-1为上一个节点的电压、频率、功角数据；ht为输出的电压、频率、功角数据；通过lstm模型，得到一定时间内ai控制电网调度量的精确预测。

19、进一步的，所述步骤(3)中的目标函数为：

20、

21、式中，n为样本数量；xobs，i为真实值；xmodel，i为预测值。

22、进一步的，在步骤(3)中，所述采用雾凇优化算法的具体步骤为：

23、(3.1)、初始化参数和种群；

24、雾凇种群r由n个雾剂si组成；每个雾剂由d个雾凇粒子xij组成；因此，雾凇种群也可以直接用xij表示；公式如下：

25、

26、式中，i为雾剂的序数，j为雾剂粒子的序数；

27、(3.2)、将初始种群带入目标函数进行评估；

28、使每个雾凇种群去生成一组对应的最优的权重矩阵和偏置常量，目标函数公式如下：

29、

30、式中，n为样本数量；xobs,i为真实值；xmodel,i为预测值；

31、(3.3)、使用阶梯式雾凇搜索策略更新种群；

32、雾凇粒子位置公式如下：

33、

34、式中，为更新后粒子的新位置，即最优权重矩阵和偏置常量；pbest,j为雾凇种群中最佳雾剂的第j个粒子；r1为均匀分布于[0,1]之间的随机数；cosθ控制粒子的运动方向；

35、随着迭代次数的变化，公式如下：

36、

37、式中，t为当前的迭代次数，t为算法的最大迭代次数；

38、β为环境因子，可以随着迭代次数的变化来模拟外部环境的影响，保证算法的收敛性，公式如下：

39、

40、式中，β为阶跃函数；[·]表示四舍五入；ω的默认值为5，用于控制阶跃函数的段数；

41、h为附着力，是均匀分布于[0,1]之间的随机数，用于控制两个雾凇粒子中心之间的距离；

42、ubij和lbij为逃逸空间的上界和下界，分别限定了粒子运动的有效区域；e为被附系数，影响雾剂的凝结概率，随迭代次数的增加而增加，公式如下：

43、

44、r2为范围内的随机数，与一起控制粒子是否凝聚，即粒子位置是否更新；

45、(3.4)、采用霜淞穿刺机制，实现个体间有效的信息交换；

46、利用该机制可以更新算法，从而实现算法粒子的交换，提高算法的收敛性和跳出局部最优的能力；粒子位置更新公式如下：

47、

48、式中，fnormr(si)为当前雾剂适应度值的归一化值，表示第i个雾剂被选中的机会；r3是均匀分布于[0,1]之间的随机数；

49、(3.5)、采用正贪心选择机制，保留优解，淘汰劣解；

50、将更新后雾剂的适应度值与更新前雾剂的适应度值进行比较，如果更新后的适应度值优于更新前的适应度值，则发生替换，同时替换两个雾剂的解；

51、(3.6)、判定是否满足终止条件，得到所需的最优权重矩阵和偏置常量。

52、进一步的，为避免雾凇种群在选择搜索空间的时候陷入局部最优，特提出改进。雾凇算法改进的部分在于对(3.2)进行改进，通过采用基于混沌反向的学习策略增强种群的多样性；

53、改进后的公式如下：

54、r0＝ubij+lbij-r

55、式中，r0为r对应的反向解。

56、进一步的，一种智能电网调度优化系统，包括中央控制模块、调节器模块、传感器模块、数据处理模块以及最终的ai系统模块；

57、其中，所述调节器模块根据中央控制模块的指令，调节所需参数，提供项目所需数据，使设备功率运行最优，以提高供电效率、提高供电质量、降低设备成本、增加设备安全性；

58、所述传感器模块安装在装置中，可以实时监测电压、频率、功角三个关键参数稳定性；

59、所述训练数据集与传感器模块采集的数据共同作用，在数据处理模块中通过雾凇算法优化以及lstm预测模型进行分析与处理，测试数据可信度量，通过检测ai协助调度电网的电压稳定性、频率稳定性、功角稳定性的数据可信度得到最优的ai调控策略。

60、所述传感器模块包括电压表、频率仪和功角表；所述传感器模块安装于在装置内部，用以检测环境数据。

61、所述设备的调节器模块包括：发电机组开关控制装置，用于控制发动机组启动或停止运行，以调整供电量；

62、相机开关控制装置，用于控制相机的运行状态，以维持电力系统的电压稳定；

63、供电控制器，用于控制发电量；

64、电网开关控制装置，用于控制电网的开关操作，确保电力系统的安全运行。

65、进一步的，所述训练数据集的构建过程：

66、1)、确定需求：首先，需要明确你的机器学习任务(如分类、回归、聚类等)以及你希望模型实现的目标，这将帮助你确定所需的数据类型和特征；

67、2)、数据收集：根据任务需求，收集相关的数据；这些数据可以来自公开数据集、现有数据仓库、网络爬虫、传感器、实验数据等；

68、3)、数据清洗：原始数据往往包含噪声、错误和无关信息，清洗数据包括去除重复记录、纠正错误、处理缺失值、去除无关数据等，以提高数据质量；

69、4)、数据转换：将数据转换成适合模型输入的格式，这可能包括数据标准化、归一化、编码类别变量、创建新的特征衍生变量等；

70、5)、数据标注：对于需要监督学习的任务，如分类或回归，需要为数据集提供标签或目标值；数据标注可以通过专家评审、自动标注算法或众包等方式完成；

71、6)、数据划分：将数据集划分为训练集和测试集；训练集用于训练模型，而测试集用于评估模型性能；常见的数据划分方法是使用70-30、80-20或其他比例进行划分；

72、7)、数据增强：为了提高模型的泛化能力，可以通过数据增强技术增加训练数据的多样性；例如，在图像数据上应用旋转、缩放、裁剪等变换；

73、8)、数据采样：根据需要，可能还需要对数据集进行采样，以减少数据量或提高某些类别的代表性；

74、9)、数据存储与管理：将处理好的数据存储在适当的数据库或文件系统中，并确保数据的完整性和可访问性；

75、10)、数据验证：在开始模型训练之前，对数据集进行验证，确保数据质量满足模型训练的需求。

76、本发明的有益效果是：1、该策略可以减少对环境的污染，符合绿色能源的发展趋势；2、本策划利用较为新兴的雾凇优化算法，得出最佳的环境参数，对设备进行调整，有效的降低了成本的损耗，为产品的可持续发展提供了一种可行的解决方案；3、传感器模块的实时数据监测和中央控制模块的智能控制，保证了发电机供电效率，减少了由于人为以及外界因素带来的波动。同时，系统能够根据不同的环境参数进行自动调节，从而能够使电网能够正常的发挥作用，降低了成本，增加了安全性，提升了质量。