基于启发式算法的电力数字化信息系统运行参数调控方法与流程

本发明涉及电力系统及其自动化，具体涉及基于启发式算法的电力数字化信息系统运行参数调控方法。

背景技术：

1、在现代电力数字化信息系统的运行和优化中，启发式算法被广泛用于电力数字化信息系统运行参数的配置优化。启发式算法是一类通过模拟自然界现象进行全局搜索的优化算法，例如遗传算法、粒子群优化算法等。这些算法通过模拟自然进化或群体行为，寻找接近全局最优解的方案，以提高电力数字化信息系统的经济性和可靠性。然而，当前的启发式优化方法在实际应用中仍存在诸多挑战和局限性。

2、首先，在面对大型和复杂的电力数字化信息系统网络时，启发式算法的表现往往不如预期，适应性较弱，复杂电力的规模和多变的运行环境使得这些算法难以保持高效性和稳定性，导致优化结果偏离最优解，其次，在配置运行参数的过程中，启发式算法通常需要消耗大量的计算时间和资源，处理效率较低，影响了优化过程的实时性和实用性，此外，这类优化方法对初始参数设置的敏感性较高，初始值选择不当可能导致优化结果不可靠或无法重复，该敏感性不仅增加了算法的复杂性，还影响了算法的鲁棒性，在应用于实际电力数字化信息系统时，调优后的参数可能对整体系统的安全稳定性产生影响，增加了电力数字化信息系统运行的不确定性风险，更为重要的是，现有启发式优化算法在面对不断变化的电力数字化信息系统运行条件和环境时，往往响应较慢，缺乏对动态变化的快速适应能力，这种不足会导致随着时间推移，参数配置逐渐失效甚至变得不合适。

技术实现思路

1、本发明的目的在于提供一种基于启发式算法的电力数字化信息系统运行参数调控方法，解决现有技术在面对大型和复杂的电力数字化信息系统网络时，启发式算法的表现往往不如预期，适应性较弱的问题、在配置运行参数的过程中，启发式算法通常需要消耗大量的计算时间和资源，处理效率较低，影响了优化过程的实时性和实用性的问题、算法本身的敏感性不仅增加了算法的复杂性，还影响了算法的鲁棒性的问题以及现有启发式优化算法在面对不断变化的电力数字化信息系统运行条件和环境时，往往响应较慢，缺乏对动态变化的快速适应能力，这种不足会导致随着时间推移，参数配置逐渐失效甚至变得不合适的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于启发式算法的电力数字化信息系统运行参数调控方法，所述方法包括：

3、s1：构建基于动态权重调节机制与改进自适应搜索策略的多目标启发式算法模型适应复杂电力数字化信息系统系统；

4、s2：利用多目标启发式算法并行处理多个优化目标；

5、s3：结合电力数字化信息系统的实时状态数据和预测环境变化调整算法参数和搜索区域；

6、s4：采用多层次验证机制在线验证电力数字化信息系统运行参数调整后的系统稳定性并通过反馈信息自动调节配置参数减少手动干预。

7、优选的，所述步骤s1包括：

8、s11：定义算法中各目标函数及其相对重要性，为每个目标分配初始权重；

9、s12：基于权重的变化情况自动生成动态权重表；

10、s13：应用预定义公式调整动态权重表中目标函数权重比例；

11、s14：模型初始化过程中设置初始权重表，并根据实际执行情况动态调节该权重值。

12、优选的，所述步骤s12基于权重的变化情况自动生成动态权重表包括：

13、评估每一次迭代后系统状态对各个目标函数的满足程度得分；

14、通过非常规公式指数滑动平均算法计算加权值更新每个目标函数的当前重要度系数，即，，

15、其中，为下一次迭代更新后的目标函数权重，为平滑因子，取值范围为，为当前迭代中的目标函数权重，表示新测得的得分；

16、基于更新后的目标函数重要度对动态权重分布表重置以适应变化需求；

17、使用重新分配的权重比来进行下一阶段的目标函数评估与优化循环迭代流程。

18、优选的，所述通过指数滑动平均算法计算加权值更新每个目标函数的当前重要度系数非常规公式还包括：

19、确定系统性能影响最大的目标项；

20、当重要度分数小于阈值并且迭代次数超过预定门限时触发重新加权事件否则;

21、如果触发，即，应用特殊修正系数，令，当则保持正常操作，其中，表示系统中对性能影响最大的目标项，表示阈值，表示重新加权事件的标志，表示特殊修正系数，表示调节系数，表示目标函数的当前权重；

22、在调整后权重用于重新调整整个体系的多目标决策过程直至找到最优解。

23、优选的，所述如果触发中非常规公式还包括判断迭代过程中是否出现稳定态的判定步骤，具体包括如下:

24、监控当前状态相对于上次状态变化率；

25、基于变化速率低于一定界限表明进入静止区域，则设置稳定标志；

26、当没有发生实质变动时,即，强制降低加速度参数值设定至零点来避免振荡行为出现；

27、相对停滞检测完毕后系统会重新启用常规学习率继续搜寻最优点直到完全覆盖或满足终止准则之一为止；

28、其中，所述基于变化速率低于一定界限表明进入静止区域还包括对环境适应度的连续监测机制，具体为：

29、每经过特定周期，比较最近轮运算结果之间的最大差别以识别模式切换前奏；

30、鉴定当前环境变化趋势上升、下降或者是不变来调准局部最佳路径导向规则；

31、倘若检测出环境有较大偏离则依据调整全局控制方程维持策略一致性；

32、执行环境匹配分析。

33、优选的，所述步骤s2包括：

34、利用多目标启发式算法，通过将电力数字化信息系统安全和经济运行分解为多个可独立执行的目标；

35、在并行计算架构上实现这些目标的并行优化降低计算时间的同时确保每个目标都被有效求解；

36、当电力数字化信息系统状态发生变化时重新评估各个子目标的重要性重新安排优先级；

37、引入额外的安全约束条件实时验证是否满足最小安全性标准。

38、优选的，所述步骤s2进一步包括：

39、安全运行目标中，最小化电力数字化信息系统的故障发生的概率，具体为：

40、；

41、其中，表示最小化，是电力数字化信息系统故障概率，是第个关联单元的安全性指标，表示关联单元的序号，表示电力数字化信息系统中所有关联单元的总数量；

42、在经济运行目标中，最小化运行成本，具体为：

43、；

44、其中，表示最小化，表示电力数字化信息系统的运行成本，表示故障类型所对应的序号，表示电力数字化信息系统中所有故障类型的数量，表示第种故障类型对应的成本；

45、利用并行计算架构，将上述目标函数和进行独立求解，引入并行优化策略，并行优化的过程可以通过主从式并行计算框架实现，包括将目标函数分配到多个计算节点，每个节点独立处理部分优化任务，每个节点使用启发式算法进行局部优化，并在每轮迭代后与主节点进行结果交换，主节点汇总局部优化结果，通过全局启发式策略调整权重，更新全局最优解，对于每个节点的局部优化，具体公式为：

46、；

47、其中，表示下一轮迭代的解向量，表示当前迭代的解向量，表示迭代次数的序列号，表示局部最优解，表示全局最优解，表示控制局部收敛速度的参数，表示控制全局收敛速度的参数；

48、当电力数字化信息系统状态发生变化时，实时评估目标函数的权重，并基于状态变化重新分配优先级；

49、在每次迭代时验证电力数字化信息系统的cpu占用率和内存占用率是否处于安全运行范围内，通过对每轮迭代的结果进行安全性验证，如果发现不满足最小安全性标准，则调整优化方向或重新分配权重，确保电力数字化信息系统的安全运行。

50、优选的，所述步骤s3包括：

51、根据实时运行数据评估当前设置的合理性；

52、利用机器学习技术预测未来时间内的状态变动制定参数更新策略，包括利用时间序列预测模型预测电力数字化信息系统未来状态的变化，具体公式为：

53、；

54、其中，表示预测的未来时间点时的状态，表示时刻，表示状态预测的时间间隔，表示机器学习模型，表示当前时间点的系统状态数据，分别表示在当前时间点之前的系统状态数据，为回溯的时间步长数量，根据预测结果，动态调整优化算法的参数；

55、调整搜索区域，当检测到初始参数不能产生优化的结果时扩展搜索范围引入新的潜在解。

56、优选的，所述步骤s4中多层次验证机制包括：

57、实时监控电力数字化信息系统的核心运行参数，运行参数包括cpu占用率和内存占用率，利用阈值检测机制，设置参数的安全范围，如果当前时间点下电力数字化信息系统某个运行参数的实际值不在预设的安全范围内，将触发警报；

58、使用性能指标，评估调整后的效果，具体公式为：

59、；

60、其中，表示稳态误差，表示目标状态值，表示在时刻时的实际状态值，表示时刻；

61、采用多目标优化结果的加权综合评估函数进行综合稳定性评估，具体公式为：

62、；

63、其中，表示综合稳定性评估函数的值，表示cpu占用率对应的权重，表示内存占用率对应的权重，表示cpu占用率的指标，表示内存占用率的指标。

64、优选的，所述步骤s4中通过反馈信息自动调节配置参数具体公式为：

65、；

66、其中，表示当前时刻的参数向量，表示时刻，表示学习率，表示系统稳定性损失函数，表示参数向量，表示损失函数对参数向量的梯度。

67、由上述技术方案可知，本发明具有如下有益效果：

68、该基于启发式算法的电力数字化信息系统运行参数调控方法，通过构建基于动态权重调节机制与改进自适应搜索策略的多目标启发式算法模型适应复杂电力数字化信息系统，利用多目标启发式算法并行处理多个优化目标，结合电力数字化信息系统的实时状态数据和预测环境变化调整算法参数和搜索区域，采用多层次验证机制在线验证电力数字化信息系统运行参数调整后的系统稳定性并通过反馈信息自动调节配置参数减少手动干预，提高了算法的表现稳定性，克服现有方法在复杂场景中适应性较弱的问题，提升了整体处理效率，优化结果更可靠，重复性更高，提升了系统运行的稳定性和安全性，增强了对环境变化的响应速度，扩大了优化方法的应用范围，解决了现有技术在面对大型和复杂的电力数字化信息系统网络时，启发式算法的表现往往不如预期，适应性较弱的问题、在配置运行参数的过程中，启发式算法通常需要消耗大量的计算时间和资源，处理效率较低，影响了优化过程的实时性和实用性的问题、算法本身的敏感性不仅增加了算法的复杂性，还影响了算法的鲁棒性的问题以及现有启发式优化算法在面对不断变化的电力数字化信息系统运行条件和环境时，往往响应较慢，缺乏对动态变化的快速适应能力，这种不足会导致随着时间推移，参数配置逐渐失效甚至变得不合适的问题。