基于源网荷储模式的电气实时建模方法及相关系统与流程

本发明属于电气数据建模领域，具体涉及基于源网荷储模式的电气实时建模方法及相关系统。

背景技术：

1、高比例新能源为主的新型电力系统给电网带来了深刻的影响，电网形态发生演变，传统的以机理模型驱动的仿真计算实时性、互动性差，无法刻画系统特性，难以满足电网数字化转型的需求。

2、针对建模复杂性、计算能力受限等问题，传统电力系统仿真较少考虑 igbt 等关键器件多时间尺度的瞬态过程，通常也忽略设备通信延时环节、测量环节、嵌入式操作系统调度环节。同时，未考虑电热效应及其他多物理场因素的综合影响，对系统到设备以至器件全环节综合特性仿真方面的研究较少。在工程应用中，此类全环节仿真可以支撑实现精细化的系统全工况特性分析，有助于器件选型和控制器设计，有利于排查柔性直流或新能源发电并网系统各环节的潜在故障发生及传播风险，或对已有故障进行全面诊断。因此，有必要结合多时间尺度、多影响环节、多物理场因素，研究系统性的全环节仿真技术。

3、1、传统仿真离线更新参数，仿真的静态结果不能实时反映电力系统状态。电力系统是一个多尺度、动态特性复杂的系统，传统仿真只能刻画某个时空尺度下的动态过程，且更新参数采用离线方式，固有误差较大，滞后、孤立的数据还会造成仿真效率低和数据使用率低。

4、2、传统仿真只包含部分物理规律，不能描述电力系统中的随机过程。如针对继电保护是基于对象所遵循的部分物理规律，难以完整刻画所保护的对象；断路器投切过程、核反应堆安全分析等物理机理不明确，传统仿真无法准确描述对象的随机过程，难以量化系统的不确定性。

5、3、传统仿真不包含对电力系统的态势感知，难以对电力系统进行状态预测。传统的静态仿真与动态仿真是对系统的普适性变化或某一时间段内系统的显著动态变化进行描述，对整个周期完整变化无法完整描述，更无法完成对当前状态的感知。目前电力系统在线仿真主要关注在线分析计算速度，对电力系统未来运行趋势关注不足。

6、4传统仿真数据利用率低。仿真的特点是对一些共识性的认知采用数学语言描述，在不同的工作条件下，利用不同的求解方法获取具体条件下系统物理现象的具体表象，这种具体表象就是仿真结果，多以各种数值（数据）方式呈现。这决定了它只能反映全生命周期某一时间段的演变规律，故而无法充分利用数据。

技术实现思路

1、本发明的目的在于克服上述方法数据使用率低，难以量化系统，难以预测运行趋势的不足，提供基于源网荷储模式的电气实时建模方法及相关系统。

2、为了达到上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供基于源网荷储模式的电气实时建模方法，包括以下步骤：

4、获取发电设备的实时数据；

5、对接收到的数据进行预处理，清除无效数据和噪声；

6、对预处理后的数据进行分析，通过错误检测和数据整合后，生成仿真数据；

7、通过外部粒子群算法对仿真数据的全局参数进行优化，得到外部粒子群算法优化后的数据；通过内部遗传算法对仿真数据的局部参数进行优化，得到内部遗传算法优化后的数据，结合外部粒子群算法优化后的数据和内部遗传算法优化后的数据，得到优化后的仿真数据；

8、对优化有的仿真数据进行分析，若数据中包括发电设备事故数据，则根据发电设备事故数据重建事故场景；否则重新对仿真数据进行分析；

9、根据事故场景，对发电设备的电网结构及元件数据进行调整。

10、本发明进一步的改进在于，对接收到的数据进行预处理时，具体方法如下：

11、对接收到的数据根据不同的发电设备进行分类，对每一类数据进行去除异常值和噪声，并填补缺失值，得到第一数据；

12、对第一数据通过标准化处理和归一化处理，再进行编码，生成所需格式的第二数据，每一类的第二数据为预处理后的数据。

13、本发明进一步的改进在于，对预处理后的数据进行分析，通过错误检测和数据整合后，生成仿真数据的具体方法如下：

14、将预处理后的数据进行时间序列分析，筛选掉突变数据；

15、将所有类中筛选掉突变的数据进行整合，得到统一的数据集，作为仿真数据。

16、本发明进一步的改进在于，通过外部粒子群算法对仿真数据的全局参数进行优化的具体方法如下：

17、获取仿真数据中需要优化的全局参数集合，根据全局参数集合设置粒子群算法的参数；

18、对粒子群算法中每个粒子，采用信赖域反射法对其进行评估，生成解和适应度值；

19、根据适应度值更新个体最优解和全局最优解，若个体最优解和全局最优解符合所需，则输出全局最优解及其目标函数值；否则，更新粒子群算法的参数中粒子的速度和位置，重新对粒子群算法中每个粒子，采用信赖域反射法对其进行评估，直到得到的个体最优解和全局最优解符合所需，得到外部粒子群算法优化后的数据。

20、本发明进一步的改进在于，通过内部遗传算法对仿真数据的局部参数进行优化的具体方法如下：

21、获取仿真数据中需要优化的局部参数集合，根据局部参数集合设置遗传算法的参数；

22、评估局部参数集合与实际数据的偏差；

23、对评估局部参数集合中每个参数进行仿真，计算每个参数的适应度值，选取适应度值在预设范围内的参数；

24、对选取的参数进行交叉和变异处理，生成新的后代数据；

25、对后代数据进行重复评估、选择、交叉和变异处理，直到当前参数达到最大迭代次数或适应度收敛，得到内部遗传算法优化后的数据。

26、本发明进一步的改进在于，若数据中包括发电设备事故数据，则根据发电设备事故数据重建事故场景的具体方法如下：

27、获取数据中的发电设备事故数据；

28、对发电设备事故数据进行预处理，剔除异常值；

29、根据发电设备和结构和设备特性，建立电网的数学模型，根据发电设备的实时数据设置模型参数；

30、将预处理后的发电设备事故数据输入电网的数学模型中，得到重建的事故场景。

31、第二方面，本发明提供基于源网荷储模式的电气实时建模系统，包括：

32、数据获取模块，用于获取发电设备的实时数据；

33、预处理模块，用于对接收到的数据进行预处理，清除无效数据和噪声；

34、检测整合模块，用于对预处理后的数据进行分析，通过错误检测和数据整合后，生成仿真数据；

35、优化模块，用于通过外部粒子群算法对仿真数据的全局参数进行优化，得到外部粒子群算法优化后的数据；通过内部遗传算法对仿真数据的局部参数进行优化，得到内部遗传算法优化后的数据，结合外部粒子群算法优化后的数据和内部遗传算法优化后的数据，得到优化后的仿真数据；

36、事故场景重建模块，用于对优化有的仿真数据进行分析，若数据中包括发电设备事故数据，则根据发电设备事故数据重建事故场景；否则重新对仿真数据进行分析；

37、数据调整模块，用于根据事故场景，对发电设备的电网结构及元件数据进行调整。

38、第三方面，本发明提供基于源网荷储模式的电气实时建模系统，包括：

39、数据接收模块，用于获取发电设备的实时数据；

40、数据处理模块，用于对接收到的数据进行预处理，清除无效数据和噪声；对预处理后的数据进行分析，通过错误检测和数据整合后，生成仿真数据；通过外部粒子群算法对仿真数据的全局参数进行优化，得到外部粒子群算法优化后的数据；通过内部遗传算法对仿真数据的局部参数进行优化，得到内部遗传算法优化后的数据，结合外部粒子群算法优化后的数据和内部遗传算法优化后的数据，得到优化后的仿真数据；

41、事故反演模块，用于对优化有的仿真数据进行分析，若数据中包括发电设备事故数据，则根据发电设备事故数据重建事故场景；否则重新对仿真数据进行分析；

42、协同控制模块，用于根据事故场景，对发电设备的电网结构及元件数据进行调整。

43、第四方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于源网荷储模式的电气实时建模方法的步骤。

44、第五方面，本发明一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于源网荷储模式的电气实时建模方法的步骤。

45、与现有技术相比，本发明具有如下有益效果：

46、本发明通过获取发电设备的实时数据，并对其进行预处理和清洗，可以有效地提高数据质量，从而确保后续分析的准确性。本发明通过分析预处理后的数据，及时发现和纠正错误，可以减少因数据不准确而导致的模型偏差。本发明利用外部粒子群算法和内部遗传算法分别优化全局和局部参数，能够更全面地探索和利用数据空间，从而提高模型的预测精度和可靠性。本发明在发生事故时，根据事故数据重建事故场景，可以更好地理解故障机制，为后续的故障排除和系统改进提供依据。本发明根据事故场景对电网结构及元件数据进行调整，可以快速响应和适应系统变化，提高电力系统的稳定性和可靠性。本发明通过优化和重建的仿真数据，为决策者提供更为精准的参考，有助于制定更有效的运行和维护策略。本发明通过实时建模和优化，可以提高系统对突发事件和不确定性因素的应对能力，增强整体系统的韧性。终上所述，本发明不仅能够改善电力系统的性能，还能够为未来的技术发展提供重要的数据支持。