基于源荷互动机制的概率潮流分析方法及系统与流程

本技术涉及电气，尤其涉及一种基于源荷互动机制的概率潮流分析方法及系统。

背景技术：

1、近年来，可再生能源发电量占据总发电量的比例越来越高，随着存在发电间歇性的可再生能源大量接入，电力系统的不确定性急剧增加，而电力系统不确定性的增大容易对电网造成冲击，威胁电网的安全稳定运行。在现代电力系统不确定性分析领域中，多使用概率潮流分析作为重要的分析工具，概率潮流分析可以充分考虑各种随机因素，将分析结果用于为电力系统规划和运行调度提供全面、重要的参考信息，以便后续针对电力系统进行规划和调度。

2、相关技术中，通常直接使用采集到的历史源荷数据来进行概率潮流分析，在此过程中，会直接根据历史源荷数据随机模拟生成大量的不确定因素以供进一步分析。然而，随机模拟的不确定因素未必符合待分析电网的实际情况，导致对于待分析电网而言，分析结果的精度不高。

技术实现思路

1、为了解决上述技术问题，本技术实施例提出了一种基于源荷互动机制的概率潮流分析方法及系统，能够使得概率潮流分析结果更符合待分析电网的实际情况，从而提高分析结果的精度。

2、第一方面，本技术实施例提供了一种基于源荷互动机制的概率潮流分析方法，包括：

3、基于目标电网对应的源荷数据，使用预训练的源荷互动关系识别模型识别出源荷互动关系，所述源荷互动关系识别模型是对大模型进行迭代训练得到；

4、基于所述源荷互动关系及所述源荷数据，进行概率潮流分析；

5、其中，所述迭代训练中每一轮次训练包括：

6、获取样本源荷数据及其标签，其中，所述标签指示第一样本源荷互动关系；

7、通过所述大模型，确定所述样本源荷数据的样本源荷特征，以及，将所述样本源荷特征映射成互动关系特征；

8、在提示信息数据库中获取与所述互动关系特征匹配的目标提示信息；

9、基于所述目标提示信息及所述互动关系特征，使用所述大模型生成第二样本源荷互动关系；

10、基于所述第一样本源荷互动关系与所述第二样本源荷互动关系之间的相似性，对所述大模型进行当前轮次训练。

11、可选地，所述大模型中包含预先训练好的源荷特征提取网络，所述样本源荷特征是使用所述源荷特征提取网络对所述样本源荷数据进行特征提取得到；

12、其中，所述源荷特征提取网络的训练方式，包括：

13、获取样本特征及其对应的数据，其中，所述样本特征对应的数据的模态与所述样本源荷数据的模态相同；

14、使用待训练的源荷特征提取网络，对所述样本特征对应的数据进行特征提取，得到第一特征；

15、基于所述第一特征与所述样本特征之间的差异，训练所述待训练的源荷特征提取网络。

16、可选地，所述大模型中包含待训练的映射关系网络；

17、其中，通过所述大模型，将所述样本源荷特征映射成互动关系特征，包括：

18、将所述样本源荷特征输入至所述映射关系网络中，使得所述映射关系网络按照其当前网络参数将所述样本源荷特征映射成所述互动关系特征；

19、所述基于所述第一样本源荷互动关系与所述第二样本源荷互动关系之间的相似性，对所述大模型进行当前轮次训练，包括：

20、基于所述第一样本源荷互动关系与所述第二样本源荷互动关系之间的相似性，对所述映射关系网络的当前网络参数进行当前轮次调整。

21、可选地，所述将所述样本源荷特征输入至所述映射关系网络中，使得所述映射关系网络按照其当前网络参数将所述样本源荷特征映射成所述互动关系特征，包括：

22、将所述样本源荷特征输入至所述映射关系网络中；

23、由所述映射关系网络按照其当前网络参数，将所述样本源荷特征映射为至少一互动关系子特征，其中，所述至少一互动关系子特征一一对应于至少一源荷互动关系类型，所述至少一源荷互动关系类型包含于预设的多个源荷互动关系类型中，一互动关系子特征表征所述样本源荷数据在相应源荷互动关系类型下所体现出的互动关系；

24、由所述映射关系网络按照其当前网络参数，对所述至少一互动关系子特征进行融合处理，得到所述互动关系特征。

25、可选地，所述映射关系网络的当前网络参数包括所述多个源荷互动关系类型各自的当前权重，所述由所述映射关系网络按照其当前网络参数，对所述至少一互动关系子特征进行融合处理，得到所述互动关系特征，包括：

26、由所述映射关系网络按照所述至少一源荷互动关系类型各自的当前权重，对所述至少一互动关系子特征进行加权融合处理，得到所述互动关系特征。

27、可选地，所述提示信息数据库中包含与所述多个源荷互动关系类型一一关联的多条提示信息，一提示信息包括用于指示相应源荷互动关系类型的文本表示，所述目标提示信息包括所述至少一源荷互动关系类型各自所关联的提示信息；

28、所述基于所述目标提示信息及所述互动关系特征，使用所述大模型生成第二样本源荷互动关系，包括：

29、将所述目标提示信息及所述互动关系特征输入至所述大模型中，使得所述大模型以目标文本表示作为推理提示、并且以所述互动关系特征作为推理依据，进行推理，从而生成所述第二样本源荷互动关系，其中，所述目标文本表示是指所述至少一源荷互动关系类型各自所关联的提示信息中包含有的文本表示。

30、可选地，所述相似性是由第二特征与第三特征之间的相似度确定，所述第二特征是对所述第一样本源荷互动关系进行特征提取得到，所述第三特征是对所述第二样本源荷互动关系进行特征提取得到。

31、可选地，所述基于所述源荷互动关系及所述源荷数据，进行概率潮流分析，包括：

32、根据所述源荷数据，构建概率分布模型；

33、基于所述概率分布模型及所述源荷互动关系，使用预先配置的概率潮流计算方法进行概率潮流分析，其中，所述概率潮流计算方法包括如下任一者：蒙特卡洛模拟法、解析法、半不变量法。

34、可选地，所述概率潮流计算方法至少包括蒙特卡洛模拟法，所述基于所述概率分布模型及所述源荷互动关系，使用预先配置的概率潮流计算方法进行概率潮流分析，包括：

35、利用所述概率分布模型生成随机样本，其中，所述随机样本指示源荷相关性场景；

36、根据所述源荷互动关系修正所述随机样本；

37、基于经修正的随机样本，使用蒙特卡洛模拟法进行概率潮流分析。

38、第二方面，本技术实施例提供了一种基于源荷互动机制的概率潮流分析系统，包括：

39、关系识别模块，用于基于目标电网对应的源荷数据，使用预训练的源荷互动关系识别模型识别出源荷互动关系，所述源荷互动关系识别模型是对大模型进行迭代训练得到；

40、概率潮流分析模块，用于基于所述源荷互动关系及所述源荷数据，进行概率潮流分析；

41、其中，所述迭代训练中每一轮次训练包括：

42、获取样本源荷数据及其标签，其中，所述标签指示第一样本源荷互动关系；

43、通过所述大模型，确定所述样本源荷数据的样本源荷特征，以及，将所述样本源荷特征映射成互动关系特征；

44、在提示信息数据库中获取与所述互动关系特征匹配的目标提示信息；

45、基于所述目标提示信息及所述互动关系特征，使用所述大模型生成第二样本源荷互动关系；

46、基于所述第一样本源荷互动关系与所述第二样本源荷互动关系之间的相似性，对所述大模型进行当前轮次训练。

47、综上，本技术实施例至少具有以下有益效果：

48、采用本技术实施例，通过基于目标电网对应的源荷数据，使用预训练的源荷互动关系识别模型识别出源荷互动关系，所述源荷互动关系识别模型是对大模型进行迭代训练得到；基于所述源荷互动关系及所述源荷数据，进行概率潮流分析；其中，所述迭代训练中每一轮次训练包括：获取样本源荷数据及其标签，其中，所述标签指示第一样本源荷互动关系；通过所述大模型，确定所述样本源荷数据的样本源荷特征，以及，将所述样本源荷特征映射成互动关系特征；在提示信息数据库中获取与所述互动关系特征匹配的目标提示信息；基于所述目标提示信息及所述互动关系特征，使用所述大模型生成第二样本源荷互动关系；基于所述第一样本源荷互动关系与所述第二样本源荷互动关系之间的相似性，对所述大模型进行当前轮次训练，如此，所识别出的源荷互动关系能够准确反映目标电网的负荷侧与发电侧之间的实际情况，从而在进行概率潮流分析时能够充分考虑到该实际情况，使得概率潮流分析结果更贴近于待分析电网的实际情况，提高分析结果的精度，为电力系统规划和运行调度提供更为精准的参考信息。