源荷储多孪生体协同互动方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及电力系统技术领域，公开了源荷储多孪生体协同互动方法、装置、设备及存储介质，本发明专利技术提供的源荷储多孪生体协同互动方法，基于联邦学习完成源荷储多孪生体协同互动模型的训练，通过源荷储协同互动孪生体，按照博弈均衡机制，构建多孪生体协同互动博弈模型，生成博弈均衡求解结果，用于源荷储多孪生体的协同运行，从而实现源荷储各个主体之间利益的最大化。通过本发明专利技术提供的方法降低了源荷储各个主体的运行成本，提高了数据的安全性。提高了数据的安全性。提高了数据的安全性。

【技术实现步骤摘要】
源荷储多孪生体协同互动方法、装置、设备及存储介质


[0001]本专利技术涉及电力系统
，具体涉及源荷储多孪生体协同互动方法、装置、设备及存储介质。

技术介绍

[0002]作为可再生能源就地平衡解决方案的源荷储协同互动场景，其数量与种类日趋增多，与主电网的连接日趋紧密。不同源荷储资源的种类、容量及发电用电特性之间各不相同，给源荷储协同互动策略设计带来了困难。若源荷储各个主体按各自本地控制，由于缺乏对全局内其他主体信息的了解，仅靠网络某层中间变量的一部分，无法逆推得到对方的实时运行数据，存在盲目互动，增加了各自的运行成本及降低了数据安全的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种源荷储多孪生体协同互动方法、装置、设备及存储介质，以解决源荷储各个主体之间盲目互动、运行成本高及数据安全性低的问题。
[0004]第一方面，本专利技术提供了一种源荷储多孪生体协同互动方法，方法包括：获取各个源荷储孪生体参数，源荷储孪生体参数包括：孪生体编号、类型、名称及并网点；根据预设源荷储孪生体参数的一项或多项生成预设请求任务，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型，源荷储多孪生体协同互动模型包括多个源荷储协同互动孪生体；基于源荷储协同互动孪生体，结合博弈模型和预设决策策略，根据源荷储孪生体互动过程中的目标函数，生成博弈均衡求解结果，完成各个源荷储协同互动孪生体博弈模型的优化，构建多孪生体协同互动博弈模型，多孪生体协同互动博弈模型包含多个独立的源荷储协同互动孪生体博弈模型；依据博弈均衡求解结果，用于源荷储多孪生体的协同运行。
[0005]本专利技术提供了一种源荷储多孪生体协同互动方法，基于联邦学习完成源荷储多孪生体协同互动模型的训练，通过源荷储协同互动孪生体，按照博弈均衡机制，构建多孪生体协同互动博弈模型，生成博弈均衡求解结果，用于源荷储多孪生体的协同运行，从而实现源荷储各个主体之间利益的最大化，降低了运行成本，提高了数据的安全性。
[0006]在一种可选的实施方式中，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型的步骤之后，还包括：对训练好的源荷储多孪生体协同互动模型进行加密存储，每个源荷储协同互动孪生体下载加密的预设模型文件，并对其进行解密，生成各个源荷储协同互动孪生体共享的源荷储多孪生体协同互动模型。
[0007]本专利技术通过对训练好的源荷储多孪生体协同互动模型进行加密存储，实现源荷储
各主体隐私保护下的协同互动模型的建立，从而实现科学、公正、安全地计算博弈均衡求解结果，在隐私保护下实现多主体利益的最大化。
[0008]在一种可选的实施方式中，根据预设源荷储孪生体参数的一项或多项生成预设请求任务，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型，包括：初始化待训练的联邦学习模型及协同出清电价参数，配置源荷储的预设实时功率、预设功率上限、预设功率下限、预设度电价格及单位预设运维成本；构建由各个源荷储孪生体组成的源荷储多孪生体协同互动系统，其中，各个源荷储孪生体均参与多孪生体下的利益分配或成本分摊；预设源荷储孪生体向源荷储多孪生体协同互动系统提交预设请求任务的申请；源荷储多孪生体协同互动系统根据预设请求任务的申请信息，与系统中各源荷储孪生体的参数进行匹配，生成参与联邦学习的源荷储孪生体集合；源荷储多孪生体协同互动系统将任务申请转发给参与联邦学习的源荷储孪生体集合中的每个源荷储孪生体；集合中的源荷储孪生体响应源荷储多孪生体协同互动系统的任务请求，组成联邦学习小组；根据联邦学习算法，联邦学习小组中的每个源荷储孪生体分别对待训练的联邦学习模型进行训练，当满足第一预设条件，生成训练好的源荷储多孪生体协同互动模型。
[0009]本专利技术基于联邦学习的源荷储多孪生体协同互动模型的建模，实现了源荷储各主体的原始运行数据不出本地，很好的保护了隐私和提高了数据的安全。
[0010]在一种可选的实施方式中，源荷储多孪生体协同互动系统根据预设请求任务的申请信息，与系统中各源荷储孪生体的参数进行匹配，生成参与联邦学习的源荷储孪生体集合，包括：根据预设请求任务的申请信息，计算申请信息的文本特征，并构建向量空间模型，向量空间模型包括申请信息和系统中各个源荷储孪生体参数的向量表示；计算申请信息向量和系统中各个源荷储孪生体参数向量之间的距离；当距离满足第二预设条件时，生成参与联邦学习的源荷储孪生体集合。
[0011]本专利技术源荷储多孪生体协同互动系统根据预设请求任务的申请信息，与系统中各源荷储孪生体的参数进行匹配，查询与请求任务相关的源荷储孪生体集合，以实现参与联邦学习的源荷储孪生体选择，从而提高工作效率，降低运行成本。
[0012]在一种可选的实施方式中，基于源荷储协同互动孪生体，结合博弈模型和预设决策策略，根据源荷储孪生体互动过程中的目标函数，生成博弈均衡求解结果，完成各个源荷储协同互动孪生体博弈模型的优化，构建多孪生体协同互动博弈模型，包括：初始化待训练的博弈模型及协同出清电价参数，配置源荷储各单元度电预设价格、单位预设运维成本及协同优化决策预设精度范围；将博弈前各源荷储孪生体的响应功率作为预设决策变量的初始值；基于预设约束条件，各源荷储协同互动孪生体根据其当前一轮优化的响应功率，通过粒子群算法生成其下一轮的响应功率，当各个源荷储协同互动孪生体博弈模型优化前后的收益差异均在预设精度范围内，生成博弈均衡求解结果，完成各个源荷储协同互动孪
生体博弈模型的优化，构建多孪生体协同互动博弈模型。
[0013]本专利技术通过任一源荷储协同互动孪生均不能通过独立改变预设决策策略而获得更多收益，实现源荷储多孪生体的协同运行和利益分配或成本分摊。
[0014]在一种可选的实施方式中，在优化过程中，当各个源荷储协同互动孪生体博弈模型优化前后的收益差异不完全在预设精度范围内，根据粒子群算法更新预设决策策略，重新构建多孪生体协同互动博弈模型，直至生成博弈均衡求解结果。
[0015]在本专利技术中，当各个源荷储协同互动孪生体博弈模型优化前后的收益差异不完全在预设精度范围内，则根据粒子群算法更新预设决策策略，重新构建多孪生体协同互动博弈模型，直至生成博弈均衡求解结果，实现源荷储多孪生体的协同运行和利益分配或成本分摊。
[0016]在一种可选的实施方式中，在优化过程中，预设约束条件需同时满足以下条件：预设时刻储能电池的有功出力小于等于其预设额定有功出力；当前时刻单台风力发电与光伏发电单元出力均小于等于当前时刻的预设出力；物理互联的源荷储之间的电量传输受联络线路的预设传输能力限制。
[0017]在本专利技术中，预设约束条件根据储能、风力发电和光伏发电、传输线路的物理约束进行选取，从而提高工作效率。
[0018]第二方面，本专利技术提供了一种源荷储多孪生体协同互动装置，装置包括：获取模块，用于获取各个源荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种源荷储多孪生体协同互动方法，其特征在于，所述方法包括：获取各个源荷储孪生体参数，所述源荷储孪生体参数包括：孪生体编号、类型、名称及并网点；根据预设源荷储孪生体参数的一项或多项生成预设请求任务，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型，所述源荷储多孪生体协同互动模型包括多个源荷储协同互动孪生体；基于源荷储协同互动孪生体，结合博弈模型和预设决策策略，根据源荷储孪生体互动过程中的目标函数，生成博弈均衡求解结果，完成各个源荷储协同互动孪生体博弈模型的优化，构建多孪生体协同互动博弈模型，多孪生体协同互动博弈模型包含多个独立的源荷储协同互动孪生体博弈模型；依据博弈均衡求解结果，用于源荷储多孪生体的协同运行。2.根据权利要求1所述的方法，其特征在于，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型的步骤之后，还包括：对训练好的源荷储多孪生体协同互动模型进行加密存储，每个源荷储协同互动孪生体下载加密的预设模型文件，并对其进行解密，生成各个源荷储协同互动孪生体共享的源荷储多孪生体协同互动模型。3.根据权利要求1所述的方法，其特征在于，根据预设源荷储孪生体参数的一项或多项生成预设请求任务，根据预设请求任务，各个源荷储孪生体分别对待训练的联邦学习模型进行训练，生成训练好的源荷储多孪生体协同互动模型，包括：初始化待训练的联邦学习模型及协同出清电价参数，配置源荷储的预设实时功率、预设功率上限、预设功率下限、预设度电价格及单位预设运维成本；构建由各个源荷储孪生体组成的源荷储多孪生体协同互动系统，其中，各个源荷储孪生体均参与多孪生体下的利益分配或成本分摊；预设源荷储孪生体向源荷储多孪生体协同互动系统提交预设请求任务的申请；源荷储多孪生体协同互动系统根据预设请求任务的申请信息，与系统中各源荷储孪生体的参数进行匹配，生成参与联邦学习的源荷储孪生体集合；源荷储多孪生体协同互动系统将任务申请转发给参与联邦学习的源荷储孪生体集合中的每个源荷储孪生体；集合中的源荷储孪生体响应源荷储多孪生体协同互动系统的任务请求，组成联邦学习小组；根据联邦学习算法，联邦学习小组中的每个源荷储孪生体分别对待训练的联邦学习模型进行训练，当满足第一预设条件，生成训练好的源荷储多孪生体协同互动模型。4.根据权利要求3所述的方法，其特征在于，源荷储多孪生体协同互动系统根据预设请求任务的申请信息，与系统中各源荷储孪生体的参数进行匹配，生成参与联邦学习的源荷储孪生体集合，包括：根据预设请求任务的申请信息，计算申请信息的文本特征，并构建向量空间模型，所述向量空间模型包括申请信息和系统中各个源荷储孪生体参数的向量表示；计算申请信息向量和系统中各个源荷储孪生体参数向量之间的距离；
当距离满足第二预设条件时，生成参与联...

【专利技术属性】
技术研发人员：何志敏，于海，王鹤，彭林，王刚，周建其，冯振源，刘维亮，沈昊骢，
申请(专利权)人：国网浙江省电力有限公司嘉兴供电公司国网浙江省电力有限公司国家电网有限公司，
类型：发明
国别省市：