基于模型预测和多时间尺度鲁棒的负荷控制方法

本发明属于负荷控制，具体涉及基于模型预测和多时间尺度鲁棒的负荷控制方法。

背景技术：

1、负荷控制方法在电力系统管理中起着关键作用，尤其是在提高能源效率、优化电网运行和实现需求侧管理方面，可以大致分为直接负荷控制，间接负荷控制，需求响应和预测性负荷控制等。其中预测性负荷控制（predictive load control）利用历史和实时数据来预测电力需求，收集和分析大量的历史和实时数据，这些数据包括电力消费数据、天气条件、用户行为等。通过这些数据，可以运用机器学习和统计模型精确预测电力需求。

2、现有的预测性负荷控制能够更精确地预测和管理电力需求，但是不便精确地对各负载设备进行多时间尺度的负荷预测，以调整系统中的负荷需求，从而优化能源分配，减少能源浪费的问题。

技术实现思路

1、针对现有技术的不足，本发明提供了基于模型预测和多时间尺度鲁棒的负荷控制方法，可以有效解决能源管理中的负荷波动问题，提高能源利用效率和系统稳定性。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、基于模型预测和多时间尺度鲁棒的负荷控制方法，包括以下步骤：

4、基于数据库中存储的多时间尺度负荷预测模型对待控制系统中各负载设备进行负荷预测，获得总负荷预测结果；

5、建立待控制系统的系统动态模型；

6、基于系统动态模型和负荷预测结果，构建最小化代价函数，确定负荷控制输入，负荷控制输入为待控制系统的负荷需调整量。

7、优选的，所述多时间尺度负荷预测模型的表达式为：

8、；

9、其中，为第i个负载设备在时间t的负荷预测结果，i=1，2，…，n，n为负载设备数量，为在时间t的总负荷预测结果，为第i个负载设备的历史负荷数据，用于捕捉负荷的时间序列特征，为第i个负载设备的环境条件，为第i个负载设备的市场条件，为第i个负载设备的误差项，为长短期记忆网络lstm；

10、各负载设备的负荷预测结果的置信区间的计算方法如下：

11、；

12、其中，为第i个负载设备的标准正态分布的分位数对应所选择的置信水平，为第i个负载设备的负荷预测结果的标准差。

13、优选的，所述系统动态模型用于描述负荷与系统状态的动态变化关系，表达式为：

14、；

15、其中，、分别表示待控制系统在时间t+1、时间t的负荷状态，；其中，、分别表示第i个负载设备在时间t+1、时间t的负荷状态；

16、为时间t+1时的负荷控制输入，；其中，表示第i个负载设备在时间t+1的负荷控制输入；

17、为待控制系统在时间t+1进行负荷控制时的偏差，；其中，表示第i个负载设备在时间t+1进行负荷控制时的偏差。

18、优选的，所述最小化代价函数j的表达式为：

19、；

20、其中，pc和ph均为中转函数，为在时间t+1的总负荷预测结果，为时间t+1时的负荷控制输入对应的控制成本，为数据库中设定的控制成本的权重因子，为数据库中设定的调整平滑度权重因子，t为总时间阶段个数，为时间t时的负荷控制输入；

21、约束条件为：

22、；

23、其中，为第i个负载设备在时间t时的负荷控制输入，为第i个负载设备在时间t时的最小允许负荷控制输入，为第i个负载设备在时间t时的最大允许负荷控制输入。

24、优选的，负荷控制输入对应的控制成本的获取方法如下：

25、将负荷控制输入与数据库中存储的各个参定负荷控制输入进行比对，从数据库中查找与负荷控制输入最接近的参定负荷控制输入；

26、在确定最接近的参定负荷控制输入后，获得该最接近的参定负荷控制输入对应存储在数据库中的控制成本。

27、优选的，确定最接近的参定负荷控制输入，过程如下：

28、基于欧氏距离确定负荷控制输入与数据库中存储的各个参定负荷控制输入的相似度：

29、；

30、其中，为负荷控制输入与第a个参定负荷控制输入的相似度，为第a个参定负荷控制输入中的第i个负载设备的参定负荷控制输入；

31、将最小的相似度对应的参定负荷控制输入确定为最接近的参定负荷控制输入。

32、优选的，在基于多时间尺度负荷预测模型对待控制系统中各负载设备进行负荷预测，获得总负荷预测结果之前，还包括：

33、对通信设备进行诊断，确定通信设备是否运行正常：

34、若运行不正常，则基于报警设备向数据处理中心发送通信设备异常警报，进行人工排障；

35、若运行正常，则对负荷控制设备进行诊断，确定负荷控制设备是否运行正常：

36、若运行不正常，则基于报警设备向数据处理中心发送通信设备异常警报，进行人工排障；

37、若运行正常，则基于确定的负荷控制输入对待控制系统中的各个负载设备进行负荷调控。

38、优选的，确定通信设备是否运行正常，包括以下步骤：

39、基于直连方式获取通信设备的通信运行数据，通信运行数据包括指令丢包率，同步精度，crc错误率和动作响应时长，crc表示循环冗余校验；

40、获取数据库中存储的通信运行参考数据，通信运行界定数据包括界定指令丢包率，界定同步精度，界定crc错误率和界定动作响应时长；

41、获取通信运行偏差数据，通信运行偏差数据包括指令丢包率允许偏差值，同步精度允许偏差值和crc错误率允许偏差值；

42、基于通信运行数据，通信运行参考数据和通信运行偏差数据确定通信设备运行状态值，并将通信设备运行状态值与数据库中存储的通信设备运行状态阈值进行比较：

43、若通信设备运行状态值大于数据库中存储的通信设备运行状态阈值，则通信设备运行不正常；

44、若通信设备运行状态值不大于数据库中存储的通信设备运行状态阈值，则通信设备运行正常。

45、优选的，确定负荷控制设备是否运行正常，包括以下步骤：

46、基于直连方式获取负荷控制设备的设备运行数据，设备运行数据包括负荷调整执行延迟、输出功率精度和设备启动时长；

47、获取数据库中存储的设备运行参考数据，设备运行界定数据包括负荷调整执行参考延迟、输出功率参考精度和设备启动参考时长；

48、获取设备运行偏差数据，设备运行偏差数据包括负荷调整执行延迟允许偏差值、输出功率精度允许偏差值；

49、基于设备运行数据，设备运行参考数据和设备运行偏差数据确定负荷控制设备运行状态值，并将负荷控制设备运行状态值与数据库中存储的负荷控制设备运行状态阈值进行比较：

50、若负荷控制设备运行状态值大于数据库中存储的负荷控制设备运行状态阈值，则负荷控制设备运行不正常；

51、若负荷控制设备运行状态值不大于数据库中存储的负荷控制设备运行状态阈值，则负荷控制设备运行正常。

52、优选的，基于通信设备运行状态值确定通信设备是否运行正常，基于负荷控制设备运行状态值确定负荷控制设备是否运行正常；

53、在确定通信设备运行正常且负荷控制设备运行正常时，基于通信设备运行状态值和负荷控制设备运行状态值确定硬件设备综合稳定指标；

54、若硬件设备综合稳定指标大于数据库中存储的硬件设备综合稳定阈值，则进行硬件稳定预警提示。

55、本发明具有以下有益效果：

56、本发明通过对各负载设备进行多时间尺度的负荷预测，并结合系统动态模型来构建最小化代价函数，能够精确地调整系统中的负荷需求，从而优化能源分配，减少能源浪费，并应对能源需求的不确定性和动态变化，确保系统运行的经济性和可靠性，可以有效解决能源管理中的负荷波动问题，提高能源利用效率和系统稳定性。