一种面向大电网的人机协作的调控方法、模块及装置制造方法及图纸

本发明专利技术公开了一种面向大电网的人机协作的调控方法、模块及装置，其中方法包括：确定电网运行调控的目标任务，基于所述目标任务的执行步骤，将所述目标任务分解为具有关联关系的多个子任务；为多个子任务中每个子任务分配执行方式；基于分配的执行方式执行所述子任务，将执行后的所述子任务的决策结果输入到关联的下一个子任务，并执行下一个子任务，直至执行完成所述目标任务的所有子任务，获取所有子任务的决策结果；基于所有子任务的决策结果对电网运行进行调控。本发明专利技术通过人机协同控制增强模式，提升电网态势感知和运行决策能力，减轻调控人员的工作强度。轻调控人员的工作强度。轻调控人员的工作强度。

【技术实现步骤摘要】
一种面向大电网的人机协作的调控方法、模块及装置


[0001]本专利技术涉及电网调度运行与控制
，更具体地，涉及一种面向大电网的人机协作的调控方法、模块及装置。

技术介绍

[0002]电力系统作为最大人工系统其具有开放性、非线性和复杂性等特点。电网调控系统作为电力系统的“控制中枢”，在保障电力系统安全稳定运行和电力可靠供应的方面扮演着非常重要的角色。目前，电网调控系统是一个集数据采集、分析决策和控制于一体的高度信息化和自动化的信息系统，是一个典型的人机交互的自动化系统。电网调控人员通过人机交互方式获得电网态势信息和辅助决策等信息，依据调度规程规定和预案，更多的依靠个人的调控经验对电网调控中面临的运行风险问题进行分析和决策，有效解决影响电网安全稳定运行的问题。
[0003]随着我国新能源持续、快速发展以及大规模远距离输电线路快速建设，特高压互联电网的规模在不断的扩大，加之电力市场的改革不断推进，电网运行方式复杂多变，这导致现在电网调控系统和调度人员在电网运行特性和分析控制方面都面临着全新的挑战。一方面电网调控系统的学习和自适应能力相对较弱，面对未知复杂的工况场景下，其分析和决策的综合处理能力较差，仍依赖于调控人员经验分析。另一方面，电力系统网络深度重构导致电网运行特性更加复杂，系统多变量交织，调控人员的感知、决策和控制行为容易受个人的决策维度以及心理和生理等因素影响，在极端天气、等复杂的工况下极易导致误调度、误操作事故发生。基于数据驱动的人工智能技术具有较强的感知预测和决策能力，可与电网调控系统进行有效的结合，为提高电网调控智能化水平和减轻调控人员工作轻度提供有效手段。
[0004]现有技术中，基于人工智能技术的电网调控某项业务智能化，是基于人对于某项业务的理解，通过选择合适的输入特征数据和模型来实现调控业务的智能化，属于端到端的智能。人工智能技术的引入从一定程度上提高了电网调控系统的智能程度，但是调控系统在动态且复杂的人机协同任务中，仍具有较大的局限性。电网调控人机协同控制是一个典型的人在回路中的人机协同混合增强智能系统，其面临的关键问题是如何融合调控人员的智能与机器智能，通过人机协同的方式解决电网调控实际应用场景中存在的不确定性、脆弱性和开放性等难题。
[0005]综上所述，为了实现人工智能技术在电网调控中的高效应用，需要一种面向大电网调控的人机混合增强智能调控技术。

技术实现思路

[0006]本专利技术技术方案提供一种面向大电网的人机协作的调控方法、模块及装置，以解决如何基于人机协作进行大电网智能调控的问题。
[0007]为了解决上述问题，本专利技术提供了一种面向大电网的人机协作的调控方法，所述
方法包括：
[0008]确定电网运行调控的目标任务，基于所述目标任务的执行步骤，将所述目标任务分解为具有关联关系的多个子任务；
[0009]为多个子任务中每个子任务分配执行方式；
[0010]基于分配的执行方式执行所述子任务，将执行后的所述子任务的决策结果输入到关联的下一个子任务，并执行下一个子任务，直至执行完成所述目标任务的所有子任务，获取所有子任务的决策结果；
[0011]基于所有子任务的决策结果对电网运行进行调控。
[0012]优选地，所述执行方式包括：机器执行和人机协作执行；
[0013]所述机器执行的主体为智能机器；
[0014]所述人机协作执行主体为智能机器和调控人员。
[0015]优选地，包括：当选择机器执行的方式执行子任务时，获取执行后的子任务的决策结果；
[0016]对所述决策结果进行评估，当所述决策结果高于预设的阈值时，将执行后的所述子任务的决策结果输入到关联的下一个子任务；
[0017]当所述决策结果不高于预设的阈值时，以及所述子任务的状态为非紧急时，通过训练数据对机器学习模型进行训练，通过训练后的机器学习模型重新执行所述子任务；或所述子任务的状态为紧急时，通过调控人员执行所述子任务。
[0018]优选地，所述为多个子任务中每个子任务分配执行方式，分配原则包括：
[0019]目标任务的集合为T＝{Task1，Task2，
…
Task
n
}，子任务分配的决策变量为子任务分配执行方式定义为：
[0020][0021]将人执行子任务的能力向量定义为H＝{H1，H2，
…
H
n
}，其中元素H
i
表示为人执行子任务i的能力，将机器执行子任务的能力向量定义为M＝{M1，M2，
…
M
n
}，其中元素Mi表示为机器执行子任务i的能力。
[0022]优选地，所述为多个子任务中每个子任务分配执行方式，包括：
[0023]人机协作任务分配的数学模型可以表述为：
[0024][0025]式中：f(x)为目标函数；g
j
(x)和g"
j
(x)分别为与机器和人机能力相关的子目标函
数；T为调控任务的集合；α
j
为子目标的权重值；λandδ分别为人和机器执行子任务所具备能力值的上下阈值；m为子目标个数；n为子任务的个数。
[0026]优选地，还包括：
[0027]当所述执行方式为人机协作执行时，基于判断条件对人机协作执行时的决策权进行分配，包括：人机决策权切换、人机辅助决策控制以及人机联合决策控制。
[0028]优选地，其中，
[0029]所述人机决策权切换包括：当人机决策权切换的预设事件发生时，决策权分配到调控人员或智能机器；
[0030]所述人机辅助决策控制包括：智能机器学习调控人员的行为，基于调控人员的行为获取知识，为执行子任务提供辅助决策结果；
[0031]所述人机联合决策控制包括：调控人员与智能机器共同联合执行子任务。
[0032]优选地，所述基于选择的执行方式执行所述子任务，包括：
[0033]当所述子任务的执行方式为机器执行时，通过智能机器将所述子任务发送至机器学习模型或数字孪生系统进行计算，获取所述子任务的决策结果；
[0034]当所述子任务的执行方式为人机协作执行时，通过调控人员和智能机器将所述子任务发送至数字孪生系统进行计算，获取所述子任务的决策结果。
[0035]优选地，还包括：通过数字孪生系统生成训练样本数据，通过所述训练样本数据对机器学习模型进行训练以及知识的获取。
[0036]优选地，所述数字孪生系统包括多种运行模式，通过不同运行模式处理电网运行调控中不同场景的任务；
[0037]所述运行模式包括：实时态、研究态、规划态、培训态、测试态。
[0038]优选地，还包括：获取训练数据，所述训练数据包括：与电网运行相关的历史数据以及数字孪生系统生成数据；；
[0039]通过所述训练数据对所述智能机器进行训练，生成机器学习模型；
[0040]基于所述机器学习模型提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向大电网的人机协作的调控方法，所述方法包括：确定电网运行调控的目标任务，基于所述目标任务的执行步骤，将所述目标任务分解为具有关联关系的多个子任务；为多个子任务中每个子任务分配执行方式；基于分配的执行方式执行所述子任务，将执行后的所述子任务的决策结果输入到关联的下一个子任务，并执行下一个子任务，直至执行完成所述目标任务的所有子任务，获取所有子任务的决策结果；基于所有子任务的决策结果对电网运行进行调控。2.根据权利要求1所述的方法，所述执行方式包括：机器执行和人机协作执行；所述机器执行的主体为智能机器；所述人机协作执行主体为智能机器和调控人员。3.根据权利要求2所述的方法，包括：当选择机器执行的方式执行子任务时，获取执行后的子任务的决策结果；对所述决策结果进行评估，当所述决策结果高于预设的阈值时，将执行后的所述子任务的决策结果输入到关联的下一个子任务；当所述决策结果不高于预设的阈值时，以及所述子任务的状态为非紧急时，通过训练数据对机器学习模型进行训练，通过训练后的机器学习模型重新执行所述子任务；或所述子任务的状态为紧急时，通过调控人员执行所述子任务。4.根据权利要求1所述的方法，所述为多个子任务中每个子任务分配执行方式，分配原则包括：目标任务的集合为T＝{Task1，Task2，
…
Task
n
}，子任务分配的决策变量为子任务分配执行方式定义为：将人执行子任务的能力向量定义为H＝{H1，H2，
…
H
n
}，其中元素H
i
表示为人执行子任务i的能力，将机器执行子任务的能力向量定义为M＝{M1，M2，
…
M
n
}，其中元素Mi表示为机器执行子任务i的能力。5.根据权利要求4所述的方法，所述为多个子任务中每个子任务分配执行方式，包括：人机协作任务分配的数学模型表述为：人机协作任务分配的数学模型表述为：人机协作任务分配的数学模型表述为：人机协作任务分配的数学模型表述为：人机协作任务分配的数学模型表述为：L
式中：f(x)为目标函数；g
j
(x)和g"
j
(x)分别为与机器和人机能力相关的子目标函数；T为调控任务的集合；α
j
为子目标的权重值；分别为人和机器执行子任务所具备能力值的上下阈值；m为子目标个数；n为子任务的个数。6.根据权利要求2所述的方法，还包括：当所述执行方式为人机协作执行时，基于判断条件对人机协作执行时的决策权进行分配，包括：人机决策权切换、人机辅助决策控制以及人机联合决策控制。7.根据权利要求6所述的方法，其中，所述人机决策权切换包括：当人机决策权切换的预设事件发生时，决策权分配到调控人员或智能机器；所述人机辅助决策控制包括：智能机器学习调控人员的行为，基于调控人员的行为获取知识，为执行子任务提供辅助决策结果；所述人机联合决策控制包括：调控人员与智能机器共同联合执行子任务。8.根据权利要求2所述的方法，所述基于选择的执行方式执行所述子任务，包括：当所述子任务的执行方式为机器执行时，通过智能机器将所述子任务发送至机器学习模型或者数字孪生系统进行计算，获取所述子任务的决策结果；当所述子任务的执行方式为人机协作执行时，通过调控人员和智能机器将所述子任务发送至数字孪生系统进行计算，获取所述子任务的决策结果。9.根据权利要求2所述的方法，还包括：通过数字孪生系统生成训练样本数据，通过所述训练样本数据对智能学习模型进行训练以及进行知识的获取。10.根据权利要求8所述的方法，所述数字孪生系统包括多种运行模式，通过不同运行模式处理电网运行调控中不同场景的任务；所述运行模式包括：实时态、研究态、规划态、培训态、测试态。11.根据权利要求2所述的方法，还包括：获取训练数据，所述训练数据包括：与电网运行相关的历史数据以及数字孪生系统生成数据；通过所述训练数据对所述智能机器进行训练，生成机器学习模型；基于所述机器学习模型提取所述训练数据中的知识要素，生成知识库。12.一种面向大电网的人机协作的调控模块，所述模块包括：初始单元，用于确定电网运行调控的目标任务，基于所述目标任务的执行步骤，将所述目标任务分解为具有关联关系的多个子任务；处理单元，用于为多个子任务中每个子任务分配执行方式；基于分配的执行方式执行所述子任务，将执行后的所述子任务的决策结果输入到关联的下一个子任务，并执行下一个子任务，直至执行完成所述目标任务的所有子任务，获取所有子任务的决策结果；结果单元，用于基于所有子任务的决策结果对电网运行进行调控。13.根据权利要求12所述的模块，所述执行方式包括：机器执行和人机协作执行；所述机器执行的主体为智能机器；所述人机协作执行主体为智能机器和调控人员。14.根据权利要求13所述的模块，所述处理单元还用于：当选择机器执行的方式执行子任务时，获取执行后的子任务的决策结果；对所述决策结果进行评估，当所述决策结果高于预设的阈值时，将执行后的所述子任
务的决策结果输入到关联的下一个子任务；当所述决策结果不高于预设的阈值时，以及所述子任务的状态...

【专利技术属性】
技术研发人员：范士雄，郭剑波，马士聪，李立新，卜广全，王铁柱，刘幸蔚，吕晨，王国政，周子涵，徐浩田，罗魁，荆逸然，侯玮琳，
申请(专利权)人：国家电网有限公司国网浙江省电力有限公司，
类型：发明
国别省市：