本發(fā)明涉及虛擬電廠與數(shù)字孿生，具體為一種基于數(shù)字孿生的虛擬電廠運(yùn)行態(tài)勢(shì)評(píng)估方法。
背景技術(shù)：
1、虛擬電廠通過聚合分布式能源資源參與電網(wǎng)調(diào)度，是提升能源利用效率的重要手段。現(xiàn)有的虛擬電廠運(yùn)行調(diào)度多依賴于歷史數(shù)據(jù)分析和簡(jiǎn)單的預(yù)測(cè)模型。這些方法通常基于靜態(tài)的數(shù)學(xué)模型或單一的時(shí)間序列預(yù)測(cè)算法，對(duì)負(fù)荷需求進(jìn)行估算。此類技術(shù)將系統(tǒng)運(yùn)行視為一個(gè)簡(jiǎn)化模型，未能充分考慮氣象條件、用戶行為、市場(chǎng)電價(jià)等多源外部數(shù)據(jù)與虛擬電廠內(nèi)部各單元?jiǎng)討B(tài)耦合的復(fù)雜關(guān)系。由于缺乏對(duì)系統(tǒng)未來狀態(tài)的深度模擬，基于此類預(yù)測(cè)生成的調(diào)度方案往往與實(shí)際情況存在偏差，難以適應(yīng)源-荷雙側(cè)的快速波動(dòng)，導(dǎo)致調(diào)度指令的準(zhǔn)確性和前瞻性不足。
2、在運(yùn)行安全監(jiān)控方面，現(xiàn)有技術(shù)普遍采用基于固定閾值的單點(diǎn)監(jiān)測(cè)方式。系統(tǒng)為每個(gè)運(yùn)行單元設(shè)置獨(dú)立的報(bào)警上下限，當(dāng)某個(gè)參數(shù)越限時(shí)觸發(fā)警報(bào)。這種方法將虛擬電廠視為孤立設(shè)備的集合，忽視了其內(nèi)部設(shè)備之間的電氣連接、功率流向以及功能依賴關(guān)系。監(jiān)控系統(tǒng)無法從系統(tǒng)拓?fù)鋵用胬斫饩植抗收匣虍惓？赡芤l(fā)的連鎖反應(yīng)，風(fēng)險(xiǎn)識(shí)別滯后且零散。當(dāng)出現(xiàn)多個(gè)設(shè)備狀態(tài)異常時(shí)，系統(tǒng)難以快速判斷哪個(gè)異常對(duì)整體運(yùn)行穩(wěn)定性的威脅最大，從而導(dǎo)致應(yīng)急響應(yīng)缺乏優(yōu)先級(jí)，調(diào)整措施可能無法精準(zhǔn)作用于最關(guān)鍵的薄弱環(huán)節(jié)，影響控制的效率和整體系統(tǒng)的韌性。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的在于提供一種基于數(shù)字孿生的虛擬電廠運(yùn)行態(tài)勢(shì)評(píng)估方法，以解決上述背景技術(shù)中提出的問題。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于數(shù)字孿生的虛擬電廠運(yùn)行態(tài)勢(shì)評(píng)估方法，所述方法包括：
3、采集虛擬電廠歷史運(yùn)行數(shù)據(jù)和多源外部數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗和特征提取，生成訓(xùn)練數(shù)據(jù)集；
4、利用訓(xùn)練數(shù)據(jù)集構(gòu)建并訓(xùn)練虛擬電廠數(shù)字孿生模型，所述數(shù)字孿生模型輸出當(dāng)日負(fù)荷需求預(yù)估序列；
5、獲取虛擬電廠實(shí)時(shí)運(yùn)行拓?fù)浣Y(jié)構(gòu)，布設(shè)物聯(lián)網(wǎng)監(jiān)測(cè)點(diǎn)，采集運(yùn)行狀態(tài)數(shù)據(jù)，構(gòu)建運(yùn)行態(tài)勢(shì)有向圖，并標(biāo)注各節(jié)點(diǎn)的設(shè)備優(yōu)選等級(jí)；
6、結(jié)合負(fù)荷需求預(yù)估序列和實(shí)時(shí)運(yùn)行狀態(tài)數(shù)據(jù)，求解最佳運(yùn)行調(diào)度方案；
7、根據(jù)最佳運(yùn)行調(diào)度方案，定義各運(yùn)行單元的監(jiān)測(cè)指標(biāo)和閾值范圍，建立實(shí)時(shí)監(jiān)測(cè)框架；
8、通過實(shí)時(shí)監(jiān)測(cè)框架收集運(yùn)行數(shù)據(jù)，計(jì)算偏差指標(biāo)，觸發(fā)動(dòng)態(tài)調(diào)整機(jī)制；
9、基于動(dòng)態(tài)調(diào)整結(jié)果和實(shí)時(shí)運(yùn)行數(shù)據(jù)，評(píng)估整體運(yùn)行穩(wěn)定性，識(shí)別高風(fēng)險(xiǎn)運(yùn)行單元；
10、對(duì)識(shí)別出的高風(fēng)險(xiǎn)運(yùn)行單元執(zhí)行備用調(diào)度策略，更新運(yùn)行調(diào)度方案。
11、優(yōu)選的，生成訓(xùn)練數(shù)據(jù)集的過程包括：
12、采集虛擬電廠歷史負(fù)荷數(shù)據(jù)、天氣數(shù)據(jù)、市場(chǎng)電價(jià)數(shù)據(jù)等多源外部數(shù)據(jù)，對(duì)多源外部數(shù)據(jù)進(jìn)行缺失值填充和異常值剔除操作，完成數(shù)據(jù)清洗；
13、提取清洗后數(shù)據(jù)的時(shí)間特征和周期特征，使用模態(tài)分解方法將數(shù)據(jù)分解為趨勢(shì)分量、周期分量和殘差分量；
14、將趨勢(shì)分量和周期分量作為輸入特征，負(fù)荷數(shù)據(jù)作為輸出標(biāo)簽，構(gòu)建訓(xùn)練數(shù)據(jù)集。
15、優(yōu)選的，利用訓(xùn)練數(shù)據(jù)集構(gòu)建并訓(xùn)練虛擬電廠數(shù)字孿生模型的過程包括：
16、采用深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建數(shù)字孿生模型，所述深度學(xué)習(xí)網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層；
17、將訓(xùn)練數(shù)據(jù)集輸入數(shù)字孿生模型進(jìn)行訓(xùn)練，通過反向傳播算法調(diào)整網(wǎng)絡(luò)權(quán)重，最小化預(yù)測(cè)誤差；
18、完成訓(xùn)練后，使用數(shù)字孿生模型對(duì)當(dāng)日負(fù)荷進(jìn)行預(yù)估，輸出當(dāng)日負(fù)荷需求預(yù)估序列。
19、優(yōu)選的，構(gòu)建運(yùn)行態(tài)勢(shì)有向圖的過程包括：
20、解析虛擬電廠運(yùn)行拓?fù)浣Y(jié)構(gòu)，識(shí)別各運(yùn)行單元及其連接關(guān)系；
21、在各運(yùn)行單元關(guān)鍵位置布設(shè)物聯(lián)網(wǎng)監(jiān)測(cè)點(diǎn)，采集電壓、電流、功率實(shí)際運(yùn)行狀態(tài)數(shù)據(jù)；
22、將各運(yùn)行單元作為節(jié)點(diǎn)，連接關(guān)系作為有向邊，構(gòu)建運(yùn)行態(tài)勢(shì)有向圖，并為每個(gè)節(jié)點(diǎn)添加設(shè)備狀態(tài)屬性。
23、優(yōu)選的，標(biāo)注各節(jié)點(diǎn)的設(shè)備優(yōu)選等級(jí)的過程包括：
24、提取各運(yùn)行單元設(shè)備的運(yùn)行效率、故障率、維護(hù)歷史數(shù)據(jù)作為評(píng)價(jià)指標(biāo)；
25、設(shè)置評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)，通過灰色關(guān)聯(lián)分析法計(jì)算各設(shè)備對(duì)于預(yù)設(shè)可靠性等級(jí)的關(guān)聯(lián)度；
26、根據(jù)關(guān)聯(lián)度排序，將設(shè)備劃分為優(yōu)選等級(jí)和備用等級(jí)，并標(biāo)注在運(yùn)行態(tài)勢(shì)有向圖的節(jié)點(diǎn)上。
27、優(yōu)選的，求解最佳運(yùn)行調(diào)度方案的過程包括：
28、構(gòu)建以經(jīng)濟(jì)性、穩(wěn)定性和可靠性為目標(biāo)的多目標(biāo)函數(shù)，根據(jù)負(fù)荷需求預(yù)估序列和設(shè)備運(yùn)行約束條件建立約束方程；
29、采用粒子群優(yōu)化算法對(duì)多目標(biāo)函數(shù)進(jìn)行求解，初始化粒子群位置和速度，設(shè)置適應(yīng)度函數(shù)；
30、通過迭代更新粒子位置，尋找最優(yōu)解集，生成最佳運(yùn)行調(diào)度方案。
31、優(yōu)選的，建立實(shí)時(shí)監(jiān)測(cè)框架的過程包括：
32、根據(jù)最佳運(yùn)行調(diào)度方案，設(shè)定各運(yùn)行單元的電壓偏差、功率偏差、溫度偏差的閾值范圍；
33、部署數(shù)據(jù)采集模塊，實(shí)時(shí)獲取運(yùn)行單元的實(shí)際運(yùn)行數(shù)據(jù)；
34、比較實(shí)際運(yùn)行數(shù)據(jù)與閾值范圍，生成監(jiān)測(cè)日志和報(bào)警信號(hào)。
35、優(yōu)選的，觸發(fā)動(dòng)態(tài)調(diào)整機(jī)制的過程包括：
36、實(shí)時(shí)計(jì)算運(yùn)行單元的實(shí)際數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)的偏差值，當(dāng)偏差值超過閾值范圍時(shí)，啟動(dòng)調(diào)整程序；
37、根據(jù)偏差類型和大小，調(diào)整優(yōu)化算法中的權(quán)重參數(shù)，重新求解運(yùn)行調(diào)度方案；
38、將新方案與舊方案進(jìn)行對(duì)比驗(yàn)證，確保調(diào)整后的方案滿足運(yùn)行要求。
39、優(yōu)選的，評(píng)估整體運(yùn)行穩(wěn)定性的過程包括：
40、將各運(yùn)行單元的穩(wěn)定性等級(jí)導(dǎo)入運(yùn)行態(tài)勢(shì)有向圖，計(jì)算節(jié)點(diǎn)之間的影響系數(shù)；
41、使用圖神經(jīng)網(wǎng)絡(luò)模型對(duì)運(yùn)行態(tài)勢(shì)有向圖進(jìn)行學(xué)習(xí)，提取全局特征；
42、輸出整體穩(wěn)定性評(píng)分，并根據(jù)評(píng)分劃分穩(wěn)定性等級(jí)。
43、優(yōu)選的，對(duì)識(shí)別出的高風(fēng)險(xiǎn)運(yùn)行單元執(zhí)行備用調(diào)度策略的過程包括：
44、識(shí)別高風(fēng)險(xiǎn)運(yùn)行單元對(duì)應(yīng)的備用設(shè)備，檢查備用設(shè)備的可用狀態(tài)；
45、根據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)計(jì)算備用設(shè)備的調(diào)度優(yōu)先級(jí)，優(yōu)先調(diào)度優(yōu)先級(jí)高的設(shè)備；
46、執(zhí)行調(diào)度操作后，重新采集運(yùn)行數(shù)據(jù)，驗(yàn)證穩(wěn)定性改進(jìn)情況，迭代調(diào)整直至穩(wěn)定性達(dá)標(biāo)。
47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
48、利用訓(xùn)練好的數(shù)字孿生模型輸出高精度的當(dāng)日負(fù)荷需求預(yù)估序列，并將此序列與實(shí)時(shí)運(yùn)行數(shù)據(jù)融合求解調(diào)度方案。該方法將數(shù)字孿生作為動(dòng)態(tài)仿真引擎，深度融合歷史規(guī)律與多源外部信息，實(shí)現(xiàn)對(duì)系統(tǒng)未來數(shù)小時(shí)運(yùn)行狀態(tài)的超前模擬。相較于傳統(tǒng)依賴歷史數(shù)據(jù)統(tǒng)計(jì)外推的預(yù)測(cè)模型，這種基于動(dòng)態(tài)仿真的預(yù)估能夠更準(zhǔn)確地刻畫負(fù)荷隨氣象、市場(chǎng)等復(fù)雜因素變化的非線性軌跡。調(diào)度決策因此建立在虛擬空間預(yù)演的基礎(chǔ)上，提升了方案的前瞻性與適應(yīng)性，降低了因預(yù)測(cè)偏差導(dǎo)致的調(diào)度風(fēng)險(xiǎn)，使虛擬電廠能夠更精準(zhǔn)地響應(yīng)源荷波動(dòng)。
49、構(gòu)建包含設(shè)備優(yōu)選等級(jí)的運(yùn)行態(tài)勢(shì)有向圖，并基于此圖進(jìn)行穩(wěn)定性評(píng)估與高風(fēng)險(xiǎn)單元識(shí)別。該技術(shù)將虛擬電廠的物理連接與運(yùn)行邏輯轉(zhuǎn)化為帶權(quán)重的網(wǎng)絡(luò)模型，使系統(tǒng)狀態(tài)評(píng)估從孤立參數(shù)監(jiān)測(cè)轉(zhuǎn)變?yōu)橥負(fù)鋵用娴年P(guān)聯(lián)分析。當(dāng)監(jiān)測(cè)到運(yùn)行偏差時(shí)，評(píng)估算法能依據(jù)有向圖結(jié)構(gòu)分析異常傳播路徑，并結(jié)合節(jié)點(diǎn)權(quán)重量化局部故障對(duì)全局穩(wěn)定性的影響程度。這實(shí)現(xiàn)了從分散、無優(yōu)先級(jí)的單點(diǎn)報(bào)警到系統(tǒng)性、有重點(diǎn)的脆弱性分析的轉(zhuǎn)變，能夠快速定位對(duì)全局穩(wěn)定威脅最大的關(guān)鍵薄弱環(huán)節(jié)。后續(xù)的備用策略因此可以精準(zhǔn)投向最高風(fēng)險(xiǎn)的單元，提升了安全控制的效率與系統(tǒng)應(yīng)對(duì)擾動(dòng)的韌性。