[发明专利]一种园区分布式能源调控信息新鲜度保障方法及系统

说明书

本发明提供一种园区分布式能源调控信息新鲜度保障方法及系统，从下至上包括：数据层通过在电气设备上部署物联终端，为园区分布式能源调控决策模型训练提供样本数据和本地模型；网络层包含多种通信媒介，为数据层和控制层的交互提供通道；控制层，通过调整信道分配和批量规模决策以降低调控信息年龄，提高调控信息新鲜度；业务层，包括调控业务。步骤包括：园区分布式能源调控决策模型训练；对分布式能源调控决策模型训练面临的调控信息新鲜度保障问题进行建模；基于调控信息新鲜度感知的电力至简物联网通信与计算资源协同优化算法IDEAL设计。能够在降低全局损失的同时，降低等待时延，保障信息新鲜度。

技术领域

本发明提供一种园区分布式能源调控信息新鲜度保障方法及系统，属于电力系统技术领域。

背景技术

随着整县光伏的大力发展，以及新型电力系统的建设，分布式能源迎来爆发式增长。然而，由于光伏等分布式能源具有间歇性、随机性、波动性等特点，高比例分布式能源的并网会对电力系统的潮流分布、电能质量、网络损耗及调节能力造成巨大的影响。因此，需要根据负荷动态调控分布式能源，从而提高新型电力系统的稳定性，实现有功/无功功率的平衡，使光伏等分布式能源得到更好的消纳，避免因消纳困难而出现弃光等现象。园区分布式能源调控需要通过海量信息来构建并训练负荷需求、光伏出力、气象信息与调控策略之间的模型。信息年龄是衡量信息新鲜度的有效指标，表示了信息自产生以来到用于调控模型训练所经历的时延。能源调控信息的新鲜度对模型训练的精度具有重要的影响。信息年龄较大时，信息的新鲜度、时效性较差，会导致训练模型损失函数大，即模型输出与真实输出之间存在较大偏差，从而降低分布式能源调控的可靠性、经济性、准确性。

电力至简物联网具有控制-数据解耦、多模态通信、跨域资源协同等优点，为分布式能源调控模型训练所需要数据的采集和传输提供强有力的通信网络支撑。然而，面向分布式能源调控的电力至简物联网还需要解决如下技术挑战。

第一，模型训练与数据传输的耦合导致模型训练过程中需要将大量原始数据上传至中心训练节点，造成网络拥塞、通信资源浪费、以及本地数据隐私泄露。

第二，通信、计算、存储等跨域资源的优化与模型训练的适配性差，导致模型损失函数大，降低分布式能源调控的准确性与可靠性。而跨域资源协同优化涉及大维优化空间，难以获得精确的概率统计模型与闭式解。

第三，调控现场中存在电力线载波(PLC,power line communication)、WLAN、5G等多模态异构网络，终端计算资源与多模态信道质量差异性导致信息年龄增大，难以保障分布式能源调控信息新鲜度长期约束。

因此，迫切需要设计一种园区分布式能源调控信息新鲜度保障方法及系统，能够在长期调控信息新鲜度约束下实现分布式能源调控模型损失函数最小化，解决园区跨域资源优化与模型训练适配性差、调控信息新鲜度难以保障等问题，保障分布式能源调控的可靠性与经济性。

发明内容

针对如何避免园区分布式能源调控大规模数据交互导致的通信资源浪费、网络拥塞和数据隐私泄露问题，本发明建立基于联邦学习的半分布式调控模型训练架构，通过数据层本地模型训练与控制层全局模型训练，实现决策优化与原始数据传输解耦，避免大规模数据交互导致的通信资源浪费与网络拥塞。

针对如何解决通信、计算、存储等跨域资源的优化与分布式能源调控决策模型损失函数最小化之间适配性差的问题。本发明利用伸缩和与李雅普诺夫优化对长期调控模型损失函数最小化问题进行迭代间解耦，转化为短期马尔科夫决策过程优化问题，并采用深度Q网络(DQN,deep Q network)提高高维优化空间下状态-动作价值拟合精度，学习信道分配与批量规模联合优化策略实现通信与计算资源分配协同，利用更多样本训练全局模型，最小化分布式能源调控决策模型损失函数，保障分布式能源调控的准确性与可靠性。特别地，控制器比较Q值解决多模态信道分配冲突，将信道分配给能获得最大状态-动作价值的终端。