CN111103789B - 源网荷综合能源调度分析方法、系统及终端设备 - Google Patents
源网荷综合能源调度分析方法、系统及终端设备 Download PDFInfo
- Publication number
- CN111103789B CN111103789B CN201911138654.XA CN201911138654A CN111103789B CN 111103789 B CN111103789 B CN 111103789B CN 201911138654 A CN201911138654 A CN 201911138654A CN 111103789 B CN111103789 B CN 111103789B
- Authority
- CN
- China
- Prior art keywords
- model
- inverse
- source
- control
- disturbance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 136
- 230000004044 response Effects 0.000 claims abstract description 101
- 230000008030 elimination Effects 0.000 claims abstract description 54
- 238000003379 elimination reaction Methods 0.000 claims abstract description 54
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000010248 power generation Methods 0.000 claims abstract description 31
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 22
- 238000012795 verification Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000011217 control strategy Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 20
- 238000007418 data mining Methods 0.000 claims description 19
- 238000012800 visualization Methods 0.000 claims description 19
- 230000007246 mechanism Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000010076 replication Effects 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种源网荷综合能源调度分析方法、系统及终端设备，包括：采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波；采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型；以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系；采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分控制方法，对新能源发电单元、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；以骨干度分析为基础，以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行前馈控制。本发明能提升电力系统稳定性。
Description
技术领域
本发明属于能源管理技术领域，尤其涉及一种源网荷综合能源调度分析方法、系统及终端设备。
背景技术
随着我国经济飞速发展，电力工业也在快速地扩张。近年来，电力系统规模日趋庞大，电压等级进一步提高，装机容量和用电负荷不断增长，大容量机组在电网中的比例也不断增大，电力市场日趋完善，竞争日益激烈，同时由于经济的发展和人民生活水平的提高，电网峰谷差越来越大，大型机组频繁参与调峰，电网负荷峰谷差的逐步加大，以及风电、生物质发电等清洁能源的大规模接入，使得电网调峰调频调压变得越来越突出、稳定问题越来越复杂。
目前，能源调度分析只是针对传统的电力系统进行能源调度分析的，无法适应愈发复杂的电力系统，导致电力系统稳定性较差。
发明内容
有鉴于此，本发明实施例提供了一种源网荷综合能源调度分析方法、系统及终端设备，以解决现有技术中由于新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组特性不一致，时间尺度不匹配，运行特性差异大导致电网频率波动较大，进而造成新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组频繁调频调峰，无法快速响应电网需求，同时引发发电单元安全事故和设备寿命缩短的问题。
本发明实施例的第一方面提供了一种源网荷综合能源调度分析方法，包括：
采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据；
采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动；
采用源网协调骨干度云可视化数据挖掘及电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；
采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；
以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
本发明实施例的第二方面提供了一种源网荷综合能源调度分析系统，包括：
滤波模块，用于采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据；
建模模块，用于采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动；
骨干度关系确定模块，用于采用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；
仿真验证模块，用于采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；
响应能力统计模块，用于以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面所述的源网荷综合能源调度分析方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被一个或多个处理器执行时实现如第一方面所述的源网荷综合能源调度分析方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据，采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动，然后采用源网协调骨干度云可视化数据挖掘及电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示，采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化，最后以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制，能够提升电力系统稳定性，为各种新能源服务电网调度提供更充分的数据支撑和控制手段。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的源网荷综合能源调度分析方法的实现流程示意图；
图2是本发明一实施例提供的状态观测器的结构示意图；
图3是本发明一实施例提供的基于可扩张观测器的在线建模方法的示意图；
图4是本发明一实施例提供的基于可扩张观测器的离线建模方法的示意图；
图5是本发明一实施例提供的源网荷综合能源调度分析系统的示意框图；
图6是本发明一实施例提供的终端设备的示意框图；
图7是燃气轮机一次调频控制系统框图；
图8是火电机组一次调频控制系统框图；
图9是处理器作为执行机构的模型图；
图10是一次中间再热式汽轮机模型图；
图11是电网调度LFC一次调频和二次调频模型；
图12是超临界火电机组协调控制性能评价模型；
图13是燃气轮机机组协调控制性能评价模型；
图14是骨干度数据分析算法流程图；
图15是基于神经网络骨干度预测修正的抗扰LADRC协调控制架构图；
图16是执行机构模型参数表；
图17是一次中间再热式汽轮机模型参数表。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1是本发明一实施例提供的源网荷综合能源调度分析方法的实现流程示意图，为了便于说明，仅示出了与本发明实施例相关的部分。本发明实施例的执行主体可以是终端设备。如图1所示，该方法可以包括以下步骤：
步骤S101：采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据。
步骤S102：采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动。
步骤S103：采用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示。
步骤S104：采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化。
步骤S105：以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
在本发明实施例中，采用基于可扩张观测器和自适应逆的扰动消除方法，对源/网/荷的信息进行滤波，获取精确的实时数据，同时存储进入大数据平台，采用基于可扩张观测器的逆建模方法对源/网/荷全部对象建模，建立正模型和逆模型，将全部对象分为线性模型和非线性模型以及扰动，采用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，以电网调度性能最优为决策目标，例如以响应时间为决策目标，确定源/网/荷对电网调度的网源协调骨干度关系，进而建立可视化分析图表为电网调度提供直观的，深入的可调度能力的展示。
采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，为新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证、优化和应用推广，替代传统PID，升级综合协调控制效果，抑制扰动。
以源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法中的骨干度分析为基础，实时将综合能源一次调频性能和二次调频能力汇总至电网调度平台，并以性能指标的方式向调度平台，实时统计各个综合能源的响应能力，同时建立源/网/荷综合能源电网频率响应前馈控制方法，提升综合能源对电网调度的控制性能。
以PXI+Compact RIO硬件平台，开发一套匹配大容量火力发电机组、风电、光伏、燃气轮机以及充电汽车等负荷系统的综合能源仿真模型，验证电力系统消峰填谷、稳定电网的作用。同时开展基于LABVIEW的CCS协调控制标准化算法模型库开发工作，实现以PXI为平台的小型智能化综合能源对控制系统。
由上述描述可知，本发明实施例适用于任何复杂控制系统，面向综合能源为基础的电网调度分析，包含但不限于电力系统的综合能源协调控制系统。本发明实施例能够提升电力系统稳定性，确立面向电网调度的骨干度云可视化数据挖掘方法，从数据提取抗扰分析、控制优化、改进传统PID控制及多种能源协调优化的一种仿真、技术及实现方法，为各种新能源服务电网调度提供更充分的数据支撑和控制手段。
作为本发明又一实施例，在步骤S102中，基于可扩张观测器的逆建模方法，包括：
对第一对象建立可扩张观测器，将第一对象的信息分为用于建立控制模型基础的第一线性部分以及包含模型变化部分和扰动的第一非线性部分；
基于第一线性部分，以线性滤波器或者传递函数辨识方式，建立第一系统模型，复制第一系统模型，并使用逆控制建模的方法建立第一对象的第一线性部分的逆模型；
将第一非线性部分作为信息驱动源，以线性滤波器或传递函数或神经网络辨识方式，对第一系统模型进行复制，使用逆控制建模的方法进行逆模型建立，作为扰动消除建模的模型。
在本发明实施例中，提出利用可扩张观测器(extended state observer，ESO)，用于在线数据建模的方法。在实际控制系统中，系统的扰动会对系统建模造成很大的影响，且可以得到得到无需大量先验信息的系统模型，同时进一步得到系统的精确地逆模型，为进一步克服扰动和提高系统性能提供新的手段。其中观测器和建模模型以及逆建模模型均采用离散化方式运行，可以大规模应用于硬件快速计算，提高系统性能和精度。该方法具有通用性，既适合于源侧系统也适用于网侧系统，更进一步可以推广普及到各种系统建模及抗扰分析。
如图2所示，以二阶状态观测器举例，见如下公式：
以系统输出y和输入u来跟踪估计系统状态和扰动：
式(1)中，β01、β02和β03为一组参数。
离散化实现方法如下：
实现方程如下：
在式(2)中，
其中，扩张状态观测器ESO的状态变量z1，z2能很好地跟踪对象输出y及
而z3则能估计出对象扰动的量和作用量
并反馈到控制量u0。f(x1,x2)
具体地，基于可扩张观测器的逆建模方法可以包括如下步骤21至步骤23：
步骤21：对对象建立可扩张观测器，将对象的信息，分为两部分：1、线性部分，用于建立控制模型基础；2、包含模型变化部分和扰动在内的非线性部分，也就是可扩张观测器的扩张状态。
提取z1和z2作为线性部分，提取z3作为非线性扰动部分。其他阶次对象以此类推。
步骤22：基于步骤21获得线性部分信息，以线性滤波器或者传递函数辨识方式，建立系统模型，然后使用系统模型复制，使用逆控制建模的方法进行逆模型建立，可以采用自适应逆控制的在线方式或者离线建模方式，确定被控对象的线性部分的逆模型。
步骤23：基于步骤21获得非线性部分信息作为信息驱动源，以线性滤波器或者传递函数或者神经网络等辨识方式，对步骤22的系统模型复制，使用逆控制建模的方法进行逆模型建立，作为扰动消除建模的模型。
图3示出了本发明实施例提供的基于可扩张观测器的在线建模方法的示意图，图4示出了本发明实施例提供的基于可扩张观测器的离线建模方法的示意图。
本发明实施例可以实现对任何复杂对象(线性和非线性)进行建模，可适用于复杂系统的内部信息提取与扰动信息提取，将复杂对象分解为明确的n阶线性部分和包含对象变化和内外扰动的非线性部分，无需了解对象精确模型，只有最多3个调节参数，计算量比传统逆控制降低，是一种具备工程使用价值的在线+离线+观测器的数据分析与建模方法；电力系统分析方面，既可以用于新能源系统建模分析，也可以用于传统火电机组协调控制系统分析，更可以推广到电网调度的性能监测分析，乃至更进一步各个行业。
作为本发明又一实施例，在步骤S101中，基于可扩张观测器和自适应逆的扰动消除方法，包括：
将可扩张状态作为建模信号，作为对象复制模型进行离线逆建模，确定扰动消除的逆模型；
基于自适应逆原理，将线性部分的建模复制，与实际信号对象并联，实际输出的信号差值线性部分的建模复制器的输出的差值作为扰动消除的输入，利用扰动消除的逆模型，作为扰动消除器，反馈至信号的输入端；
将可扩张状态作为信号对象的本身特性的变化扰动以及外来扰动的总和，与扰动消除器的输出进行比较，将总和与扰动消除器的输出的差值作为扰动消除的修正，并设置死区，用于消除波动；
对信号输入端，增加过渡微分信号，使信号平滑。
信号的精度是工业过程和电网稳定性分析的重要基础。而实际环境中，由于各种因素带来的扰动，以及信号对象本身的漂移带来的扰动对工业控制以及分析是不可避免的。因此为了更好地消除信号扰动，采用如下方法(步骤31至步骤33)：
步骤31：将可扩张状态作为建模信号，作为对象复制模型进行离线逆建模，确定扰动消除的逆模型。
步骤32：基于自适应逆原理，将线性部分的建模复制，与实际信号对象并联，实际输出的信号差值线性部分的建模复制器的输出的差值作为扰动消除的输入，利用步骤31中的扰动消除的逆模型，作为扰动消除器，反馈至信号的输入端；同时，将可扩张状态作为信号对象的本身特性的变化扰动以及外来扰动的总和，与扰动消除器的输出进行比较，其差值作为扰动消除的修正，设置一定的死区，防止频繁的扰动消除波动。
步骤33：对信号输入端，增加过渡微分信号，获取信号平滑效果，利于扰动消除。
本发明实施例提出了一种基于可扩张观测状态扰动消除和自适应逆扰动消除的改进扰动消除方法，直接用利用在线可扩张状态变量，作为扰动的估计，简化扰动的计算；同时又可以简化自适应逆扰动的计算过程，工程化应用计算扰动消除的逆模型；更可以离线建模修正改善控制效果。两者既可以结合，又可以分散使用，具备灵活性。可以应用于信号提取，扰动消除，在线实时建模，也可以用进而推广到任何系统中。
作为本发明又一实施例，在步骤S104中，基于可扩张观测器的自适应逆控制方法，包括：
对第二对象建立可扩张观测器，将第二对象的信息分为用于建立控制模型基础的第二线性部分以及包含模型变化部分和扰动的第二非线性部分；
基于第二线性部分，采用线性滤波器或者传递函数辨识方式，建立第二系统模型，复制第二系统模型，并使用逆控制建模的方法建立第二对象的第二线性部分的逆模型；
将第二非线性部分作为扰动变量，消除扰动变量，并对系数进行调节。
在本发明实施例中，基于可扩张观测器的自适应逆控制方法主要适用于波动大，随机性强的对象，比如新能源系统对象，包括但不限于燃气轮机、光伏和风电系统。传统自适应逆控制需要用对象的逆模型作为控制器，但是对象的逆不是一定存在的，所以控制器不是一定可以实现控制性能。而且，逆控制模型由于误差和对象特新变化以及扰动等原因必然存在误差，导致控制效果变差。因此本发明实施例采用可扩张观测器，将对象分为明确的线性部分和非线性部分。
逆控制器以明确的线性部分模型为对象建模获得在线逆控制模型，但是不再采用传统的逆控制扰动消除方法，而是采用可扩张变量直接消除扰动，改进逆控制的结构。具体过程如步骤41至步骤43所示：
步骤41：对对象建立可扩张观测器，将对象的信息，分为两部分：1、线性部分，用于建立控制模型基础；2、包含模型变化部分和扰动在内的非线性部分，也就是可扩张观测器的扩张状态。
提取z1和z2作为线性部分，提取z3作为非线性扰动部分。其他阶次对象以此类推。
步骤42：基于步骤41获得线性部分信息，采用包括但是不限于线性滤波器或者传递函数辨识方式，建立系统模型，然后使用系统模型复制，使用逆控制建模的方法进行逆模型在线建模，可以采用自适应逆控制的在线方式或者离线建模方式，确定被控对象的线性部分的逆模型，将逆模型的复制作为控制器控制对象。
步骤43：将包含模型变化部分和扰动在内的非线性部分，也就是可扩张观测器的扩张状态作为扰动变量直接减去消除，调节系数达到期望抗扰效果；或者，
将可扩张状态作为建模信号，作为对象复制模型进行离线逆建模，确定扰动消除的逆模型；采取逆控制扰动消除的方式，将扰动消除的逆模型作为扰动消除控制器，实现抗扰效果；或者，
基于自适应逆原理，将线性部分的建模复制，与实际信号对象并联，实际输出的信号差值线性部分的建模复制器的输出的差值作为扰动消除的输入，利用步骤41中的扰动消除的逆模型，作为扰动消除器，反馈至信号的输入端；同时，将可扩张状态作为信号对象的本身特性的变化扰动以及外来扰动的总和，与扰动消除器的输出进行比较，其差值作为扰动消除的修正，设置一定的死区，防止频繁的扰动消除波动。
本发明实施例提出了一种基于自适应逆对象建模的改进自适应逆控制方法。直接用利用在线可扩张状态变量，作为扰动的估计，同时将对象明确划分为线性可控对象和包含模型设动以及任何内扰外扰的扰动，利用ESO得到的线性可控对象求逆作为控制器，利用可扩张变量作为扰动估计信号消除扰动，减少传统逆控制的结果和计算量。
作为本发明又一实施例，在步骤S104中，基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，包括：
利用支持向量机得到原系统的a阶积分逆系统，将a阶积分逆系统串连在原系统之前，构成伪线性系统，并将伪线性系统作为被控对象；
对伪线性系统建立可扩张观测器，将被控对象的信息分为用于建立控制模型基础的第三线性部分以及包含模型变化部分和扰动的第三非线性部分；
基于第三线性部分，采用线性滤波器或者传递函数辨识方式，建立第三系统模型，复制第三系统模型，并使用逆控制建模的方法建立被控对象的第三线性部分的逆模型，将第三线性部分的逆模型的复制作为控制器的控制对象；
采用PID控制和基于可扩张观测器的逆控制输出叠加，补偿逆控制系统。
在本发明实施例中，基于可扩张观测状态逆控制的改进比例积分微分PID控制方法主要适用于大迟延，非线性强的对象，比如大容量传统火电机组，包括但不限于传统火电机组。具体步骤如步骤51至步骤53所示：
步骤51：首先利用支持向量机求出原系统的a阶积分逆系统，并将其串连在原系统之前，从而构成基本线性化的伪线性系统，然后把伪线性系统作为被控对象。
步骤52：对伪线性系统建立可扩张观测器，将对象的信息，分为两部分：1、线性部分，用于建立控制模型基础，获得线性部分信息，采用包括但是不限于线性滤波器或者传递函数辨识方式，建立系统模型，然后使用系统模型复制，使用逆控制建模的方法进行逆模型在线建模，可以采用自适应逆控制的在线方式或者离线建模方式，确定被控对象的线性部分的逆模型，将逆模型的复制作为控制器控制对象。
步骤53：采用PID控制和步骤51中基于可扩张观测器的逆控制输出叠加，补偿逆控制系统。
本发明实施例提出了一种基于可扩张观测状态的自适应逆控制方法。将对象明确划分为线性可控对象和包含模型设动以及任何内扰外扰的扰动，利用ESO得到的线性可控对象求逆作为控制器，利用可扩张变量作为扰动估计信号或者利用复制逆对象消除扰动，增加PID作为偏差消除的修正。既保持了自抗扰的优秀性能，又取消了自抗扰控制的非线性PID部分，用逆控制器取代。
作为本发明又一实施例，在步骤S103中，源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，包括：
基于可扩张观测器的数据采集以及信号扰动消除，实时采集数据，并对所采集机组的热力性能数据进行规范化校验；
建立机理仿真模型，并对机理仿真模型进行热力性能精度校验，得到最优机理仿真模型；
根据网源协调控制原理，确定网源协调控制响应特性为响应时间；
确定网源协调响应特性的原始样本数据矩阵，对原始样本数据矩阵中的每个值进行标准化归一处理，得到处理后的样本数据矩阵；
对处理后的样本数据矩阵进行求解，得到网源协调控制响应特性的主成分，并得到p个非负的特征值，将p个非负的特征值按照从大到小的顺序进行排序，得到排序后的特征值，并获取与每个排序后的特征值对应的特征向量，其中，p为影响网源协调电网频率响应响应时间的控制指标的数量；
基于排序后的特征值，计算满足累积方差贡献率大于80％的k值，并取排序后的特征值中的前k个特征值对应的主成分代替原来的p个主成分。
在本发明实施例中，源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法主要适用于任何控制对象，包括但不限于大容量传统火电机组、燃气轮机、光伏和风电系统。应用主要面向于电网调度系统。
数据区域发现是数据中的一个关键问题，用来发现数据网络的结构和功能。已经有了大量做过的工作，是关于部分重叠区域和不相交区域的区域发现，同时，有大量的技术，来发现数据中的关系，但是这些工作绝大多数采用传递函数和机理模型的方法来从运行数据中发现机组模型的特征和原理，反而忽略了数据本身的时间序列特性。在本方法中，提出了基于这些数据本身的特性的时间序列模型来描述大型发电机组的的网络结构，定义了一个叫做骨干度的新度量，用来衡量数据区域的边的强度和顶点的相似性。提出了基于骨干度来从真实的机组数据网络中发现以时间序列为衡量的数据网络关系。
骨干度数据分析算法及流程图如下：
骨干度数据分析算法
本发明提出了一个新的指标即骨干度，并且对电力数据概念改进重新定义，提出了电力数据森林这一网络概念的可视化模型。如果联系如同树枝和树的联系，那么这样一个群落可以被看作是一棵树，一个电力数据网络可以看作一个数据森林，这个网络所包涵的强区域可以看作是一个电力数据区域的森林，而其他弱数据区域则被看作是灌木丛。根据这一假设，我们赋予电力数据网络生物学的特性，即电力数据森林。
如图14所示，给定一个电力数据网络无向图G(V,E)，该图有|V|个顶点和|E|条边，给定一个节点列表NL来保存集合V中的顶点，把当前数据集合记为Ci，Ci邻接的数据的集合是
把Ci边界的集合记为
给定骨干列表BL来保存集合E中的骨干。骨干度算法数据流程图如图1所示。
设一个集合G(V,E)，E为骨干度边界，目标集CP∈G
设定NL<＝V,BL骨干度的边界f，CF初始为空集，i＝0，BL按照降序排列。
综合能源调频裕量骨干度可视化分析方法及优化控制技术
以SVM-ARIMA时间序列模型对海量源网协调数据开展骨干度数据分析挖掘，以可视化的形式向调度中心实时展示网内机组的可供调度的能力，指标为电网频率响应调节速率K1、电网频率响应调节精度K2、电网频率响应响应时间K3，进而分析网内各综合能源机组对电网一次调频和二次调频的响应能力，以及各自的容量裕量，模型如图11所示。
确定基于骨干度分析的源网协调前馈快速响应控制方法。根据网源协调控制原理，确定网源协调控制响应特性为响应时间、响应速度，实时提高对调度指令的响应能力，优化后的协调控制原理图如图15所示
源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法的具体过程如步骤61至步骤67所示：
步骤61：在基于可可扩张观测器的数据采集以信号扰动消除的基础上，实时采集数据，并对所采集机组的热力性能数据进行规范化校验。
步骤62：实现机理仿真模型建立：在机组建模过程中将其划分为不同的功能组，对每个功能组建立子模型，所述子模型建好后通过模型合并，搭建出整个机组模型。
步骤63：对机理仿真模型进行热力性能精度校验：将在线热力性能数据校验处理分析平台采集到的实时机组的热力性能数据输入步骤62中的机理模型仿真模型，通过机理仿真模型计算得到热力性能指标计算值，对热力性能指标计算值与最优热力性能曲线求得偏差A，对机理仿真模型中已输入的热力性能指标理想值与最优热力性能曲线求得偏差B，针对同一功率所对应的偏差A和偏差B进行比较，判断并采用偏差A和偏差B中较小值所对应的热力性能指标，得到最优机理仿真模型。
步骤64：根据网源协调控制原理，确定网源协调控制响应特性为响应时间ki；网源协调响应时间的变化由各控制指标的独立变化所引起的响应变化速率叠加而成，从步骤63的最优机理仿真模型中获取样本，建立如式(4)所示的网源协调控制响应特性方程。
式(4)中，ki为网源协调电网频率响应响应时间，xi为影响网源协调电网频率响应响应时间的控制指标的变化速率，n为采集数据样本的个数。
步骤65：确定网源协调响应特性的原始样本数据矩阵Rn×p，其中脚标p为影响网源协调电网频率响应响应时间的控制指标的个数；对原始样本数据矩阵Rn×p中的每个值进行标准化归一处理的计算公式(5)如下，消除数据不同量级对计算的影响。
式(5)中，xij为原始样本数据矩阵Rn×p中第i样本的第j个控制指标原始数据，x· ij为归一化处理后的值，E(xij)为原始样本数据矩阵Rn×p中第j个控制指标原始样本数据的平均值，
为第j个控制指标原始样本数据方差。
原始样本数据矩阵Rn×p中的每个值标准化归一处理后得到矩阵R*。
步骤66：在labview平台上，使用矩阵和簇工具箱，求解矩阵R*，获得网源协调控制响应特性y1,y2,…,yp个主成分，同时得到p个非负的特征值，将所述p个非负的特征值从大到小排列为λ1,λ2,…,λp，同时得到分别与λ1,λ2,…,λp对应的特征向量u1,u2,…,up。
步骤67：利用步骤66中从大到小排列的特征值λ1,λ2,…,λp，计算满足累积方差贡献率α(k)大于80％所对应的k值，计算公式(6)如下：
求得k值后，取λ1,λ2,…,λp中前k个特征值所对应的主成分代替原来p个主成分。
本发明实施例利用基于可扩张观测器的逆建模方法、基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，确定电网内发电单位包括火电机组、燃气轮机以及风电和光伏的传递函数模型，同时利用基于可扩张观测器和自适应逆的扰动消除方法，获取在线实时信号，使用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法建立面向电网调度服务的源网协调骨干度数据分析平台，根据网源协调控制原理，确定网源协调控制响应特性为响应时间ki；网源协调响应时间的变化由各控制指标的独立变化所引起的响应变化速率叠加而成，实时分析电网内不同类型综合能源电源对电网的响应能力。
以SVM-ARIMA时间序列模型对海量源网协调数据开展骨干度数据分析挖掘，以可视化的形式向调度中心实时展示网内机组的可供调度的能力，指标为电网频率响应调节速率K1、电网频率响应调节精度K2、电网频率响应响应时间K3；然后，确定基于骨干度分析的源网协调前馈快速响应控制方法。根据网源协调控制原理，确定网源协调控制响应特性为响应时间，实时提高对调度指令的响应能力；最后，实现了电网频率响应控制技术在线硬件快速部署方法，研制“外挂式”控制器，解决了大数据技术在发电机组无法实际应用推广，实现智能调度的难题。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图5是本发明一实施例提供的源网荷综合能源调度分析系统的示意框图，为了便于说明，仅示出与本发明实施例相关的部分。
在本发明实施例中，源网荷综合能源调度分析系统5包括：
滤波模块501，用于采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据；
建模模块502，用于采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动；
骨干度关系确定模块503，用于采用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；
仿真验证模块504，用于采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；
响应能力统计模块505，用于以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
可选地，建模模块502还包括：
第一对象划分单元，用于对第一对象建立可扩张观测器，将第一对象的信息分为用于建立控制模型基础的第一线性部分以及包含模型变化部分和扰动的第一非线性部分；
第一线性部分处理单元，用于基于第一线性部分，以线性滤波器或者传递函数辨识方式，建立第一系统模型，复制第一系统模型，并使用逆控制建模的方法建立第一对象的第一线性部分的逆模型；
第一非线性部分处理单元，用于将第一非线性部分作为信息驱动源，以线性滤波器或传递函数或神经网络辨识方式，对第一系统模型进行复制，使用逆控制建模的方法进行逆模型建立，作为扰动消除建模的模型。
可选地，滤波模块501还包括：
逆模型确定单元，用于将可扩张状态作为建模信号，作为对象复制模型进行离线逆建模，确定扰动消除的逆模型；
反馈单元，用于基于自适应逆原理，将线性部分的建模复制，与实际信号对象并联，实际输出的信号差值线性部分的建模复制器的输出的差值作为扰动消除的输入，利用扰动消除的逆模型，作为扰动消除器，反馈至信号的输入端；
修正确定单元，用于将可扩张状态作为信号对象的本身特性的变化扰动以及外来扰动的总和，与扰动消除器的输出进行比较，将总和与扰动消除器的输出的差值作为扰动消除的修正，并设置死区，用于消除波动；
过滤微分单元，用于对信号输入端，增加过渡微分信号，使信号平滑。
可选地，仿真验证模块504还包括：
第二对象划分单元，用于对第二对象建立可扩张观测器，将第二对象的信息分为用于建立控制模型基础的第二线性部分以及包含模型变化部分和扰动的第二非线性部分；
第二线性部分处理单元，用于基于第二线性部分，采用线性滤波器或者传递函数辨识方式，建立第二系统模型，复制第二系统模型，并使用逆控制建模的方法建立第二对象的第二线性部分的逆模型；
第二非线性部分处理单元，用于将第二非线性部分作为扰动变量，消除扰动变量，并对系数进行调节。
可选地，仿真验证模块504还包括：
伪线性系统确定单元，用于利用支持向量机得到原系统的a阶积分逆系统，将a阶积分逆系统串连在原系统之前，构成伪线性系统，并将伪线性系统作为被控对象；
被控对象划分单元，用于对伪线性系统建立可扩张观测器，将被控对象的信息分为用于建立控制模型基础的第三线性部分以及包含模型变化部分和扰动的第三非线性部分；
第三线性部分处理单元，用于基于第三线性部分，采用线性滤波器或者传递函数辨识方式，建立第三系统模型，复制第三系统模型，并使用逆控制建模的方法建立被控对象的第三线性部分的逆模型，将第三线性部分的逆模型的复制作为控制器的控制对象；
补偿单元，用于采用PID控制和基于可扩张观测器的逆控制输出叠加，补偿逆控制系统。
可选地，骨干度关系确定模块503还包括：
校验单元，用于基于可扩张观测器的数据采集以及信号扰动消除，实时采集数据，并对所采集机组的热力性能数据进行规范化校验；
最优机理仿真模型确定单元，用于建立机理仿真模型，并对机理仿真模型进行热力性能精度校验，得到最优机理仿真模型；
响应时间确定单元，用于根据网源协调控制原理，确定网源协调控制响应特性为响应时间；
标准化归一处理单元，用于确定网源协调响应特性的原始样本数据矩阵，对原始样本数据矩阵中的每个值进行标准化归一处理，得到处理后的样本数据矩阵；
求解单元，用于对处理后的样本数据矩阵进行求解，得到网源协调控制响应特性的主成分，并得到p个非负的特征值，将p个非负的特征值按照从大到小的顺序进行排序，得到排序后的特征值，并获取与每个排序后的特征值对应的特征向量，其中，p为影响网源协调电网频率响应响应时间的控制指标的数量；
主成分代替单元，用于基于排序后的特征值，计算满足累积方差贡献率大于80％的k值，并取排序后的特征值中的前k个特征值对应的主成分代替原来的p个主成分。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述源网荷综合能源调度分析系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6是本发明一实施例提供的终端设备的示意框图。如图6所示，该实施例的终端设备6包括：一个或多个处理器600、存储器601以及存储在所述存储器601中并可在所述处理器600上运行的计算机程序602。所述处理器600执行所述计算机程序602时实现上述各个源网荷综合能源调度分析方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器600执行所述计算机程序602时实现上述源网荷综合能源调度分析系统实施例中各模块/单元的功能，例如图5所示的模块501至505的功能。
示例性地，所述计算机程序602可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器601中，并由所述处理器600执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序602在所述终端设备6中的执行过程。例如，所述计算机程序602可以被分割成滤波模块、建模模块、骨干度关系确定模块、仿真验证模块和响应能力统计模块，各个模块的具体功能如下：
滤波模块，用于采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储源网荷的实时数据；
建模模块，用于采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将源网荷的全部对象分为线性模型、非线性模型以及扰动；
骨干度关系确定模块，用于采用源网协调骨干度云可视化数据挖掘及自动发电控制电网频率响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；
仿真验证模块，用于采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元(光伏、风电)、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；
响应能力统计模块，用于以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
其它模块或者单元可参照图5所示的实施例中的描述，在此不再赘述。
所述终端设备可以是笔记本、掌上电脑、手机及便携式设备等计算设备。所述终端设备6包括但不仅限于处理器600、存储器601。本领域技术人员可以理解，图6仅仅是终端设备的一个示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备6还可以包括输入设备、输出设备、网络接入设备、总线等。
所述处理器600可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器601可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器601也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器601还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器601用于存储所述计算机程序602以及所述终端设备所需的其他程序和数据。所述存储器601还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的源网荷综合能源调度分析系统和方法，可以通过其它的方式实现。例如，以上所描述的源网荷综合能源调度分析系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
结合上述实施方式，具体的燃气轮机一次调频控制系统框图如图7所示；火电机组一次调频控制系统框图如图8所示；处理器作为执行机构的模型图如图9所示；执行机构模型参数表如图16所示；一次中间再热式汽轮机模型图如图10所示；一次中间再热式汽轮机模型参数表如图17所示；超临界火电机组协调控制性能评价模型如图12所示；燃气轮机机组协调控制性能评价模型如图13所示。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种源网荷综合能源调度分析方法，其特征在于，包括：采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷实时数据进行滤波并存储；采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将所述源网荷的全部对象分为线性模型、非线性模型以及扰动；采用源网协调骨干度云可视化数据挖掘及电网频率快速响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；以骨干度分析为基础，将综合能源一次调频和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
2.根据权利要求1所述的源网荷综合能源调度分析方法，其特征在于，所述基于可扩张观测器的逆建模方法，包括：
对第一对象建立可扩张观测器，将所述第一对象的信息分为用于建立控制模型基础的第一线性部分以及包含模型变化部分和扰动的第一非线性部分；
基于所述第一线性部分，以线性滤波器或者传递函数辨识方式，建立第一系统模型，复制所述第一系统模型，并使用逆控制建模的方法建立所述第一对象的第一线性部分的逆模型；将所述第一非线性部分作为信息驱动源，以线性滤波器或传递函数或神经网络辨识方式，对所述第一系统模型进行复制，使用逆控制建模的方法进行逆模型建立，作为扰动消除建模的模型。
3.根据权利要求1所述的源网荷综合能源调度分析方法，其特征在于，所述基于可扩张观测器和自适应逆的扰动消除方法，包括：
将可扩张状态作为建模信号，作为对象复制模型进行离线逆建模，确定扰动消除的逆模型；基于自适应逆原理，将线性部分的建模复制，与实际信号对象并联，实际输出的信号差值线性部分的建模复制器的输出的差值作为扰动消除的输入，利用所述扰动消除的逆模型，作为扰动消除器，反馈至信号的输入端；
将可扩张状态作为信号对象的本身特性的变化扰动以及外来扰动的总和，与扰动消除器的输出进行比较，将所述总和与所述扰动消除器的输出的差值作为扰动消除的修正，并设置死区，用于消除波动；
对信号输入端，增加过渡微分信号，使信号平滑。
4.根据权利要求1所述的源网荷综合能源调度分析方法，其特征在于，所述基于可扩张观测器的自适应逆控制方法，包括：
对第二对象建立可扩张观测器，将第二对象的信息分为用于建立控制模型基础的第二线性部分以及包含模型变化部分和扰动的第二非线性部分；
基于所述第二线性部分，采用线性滤波器或者传递函数辨识方式，建立第二系统模型，复制所述第二系统模型，并使用逆控制建模的方法建立所述第二对象的第二线性部分的逆模型；
将所述第二非线性部分作为扰动变量，消除所述扰动变量，并对系数进行调节。
5.根据权利要求1所述的源网荷综合能源调度分析方法，其特征在于，所述基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，包括：
利用支持向量机得到原系统的a阶积分逆系统，将所述a阶积分逆系统串连在所述原系统之前，构成伪线性系统，并将所述伪线性系统作为被控对象；
对所述伪线性系统建立可扩张观测器，将所述被控对象的信息分为用于建立控制模型基础的第三线性部分以及包含模型变化部分和扰动的第三非线性部分；
基于所述第三线性部分，采用线性滤波器或者传递函数辨识方式，建立第三系统模型，复制所述第三系统模型，并使用逆控制建模的方法建立所述被控对象的第三线性部分的逆模型，将所述第三线性部分的逆模型的复制作为控制器的控制对象；
采用PID控制和基于可扩张观测器的逆控制输出叠加，补偿逆控制系统。
6.根据权利要求1所述的源网荷综合能源调度分析方法，其特征在于，所述源网协调骨干度云可视化数据挖掘及电网频率快速响应前馈控制方法，包括：
基于可扩张观测器的数据采集以及信号扰动消除，实时采集数据，并对所采集发电单元的性能数据进行规范化校验；
建立发电单元机理仿真模型，并对所述发电单元机理仿真模型进行性能精度校验，得到最优机理仿真模型；
根据源网协调控制原理，确定源网协调控制响应特性为响应时间；
确定网源协调响应特性的原始样本数据矩阵，对所述原始样本数据矩阵中的每个值进行标准化归一处理，得到处理后的样本数据矩阵；
对所述处理后的样本数据矩阵进行求解，得到网源协调控制响应特性的主成分，并得到p个非负的特征值，将所述p个非负的特征值按照从大到小的顺序进行排序，得到排序后的特征值，并获取与每个排序后的特征值对应的特征向量，其中，p为影响源网频率响应时间的控制指标的数量；
基于所述排序后的特征值，计算满足累积方差贡献率大于80％的k值，并取所述排序后的特征值中的前k个特征值对应的主成分代替原来的p个主成分。
7.一种源网荷综合能源调度分析系统，其特征在于，包括：
滤波模块，用于采用基于可扩张观测器和自适应逆的扰动消除方法，对源网荷的信息进行滤波，得到源网荷的实时数据，并存储所述源网荷的实时数据；
建模模块，用于采用基于可扩张观测器的逆建模方法，对源网荷的全部对象建立正模型和逆模型，将所述源网荷的全部对象分为线性模型、非线性模型以及扰动；
骨干度关系确定模块，用于采用源网协调骨干度云可视化数据挖掘及电网频率快速响应前馈控制方法，以电网调度性能最优为决策目标，确定源网荷对电网调度的网源协调骨干度关系，并建立可视化分析图表进行展示；
骨干度数据分析算法如下：
给定一个电力数据网络无向图G(V,E)，该图有|V|个顶点和|E|条边，给定一个节点列表NL来保存集合V中的顶点，把当前数据集合记为Ci，Ci邻接的数据的集合是
把Ci边界的集合记为
给定骨干列表BL来保存集合E中的骨干；
设一个集合G(V,E)，E为骨干度边界，目标集CP∈G
设定NL<＝V,BL骨干度的边界f，CF初始为空集，i＝0；
以SVM-ARIMA时间序列模型对海量源网协调数据开展骨干度数据分析挖掘，以可视化的形式向调度中心实时展示网内机组的可供调度的能力，指标为调节速率K1、调节精度K2、响应时间K3，进而分析网内各综合能源机组对电网一次调频和二次调频的响应能力，以及各自的容量裕量，综合能源源网协调特性响应公式为：
式中，ki为网源协调响应时间，xi为影响网源协调响应时间的控制指标的变化速率，n为采集数据样本的个数；
确定基于骨干度分析的源网协调前馈快速响应控制方法，根据网源协调控制原理，确定网源协调控制响应特性为响应时间、响应速度，实时提高对调度指令的响应能力；
仿真验证模块，用于采用基于可扩张观测器的自适应逆控制方法和基于可扩张观测状态逆控制的改进比例积分微分PID控制方法，对新能源发电单元、燃气轮机机组和传统火电机组开展先进算法的控制策略仿真、验证和优化；
响应能力统计模块，用于以骨干度分析为基础，将综合能源一次调频性能和二次调频性能进行实时汇总，并以性能指标的方式实时统计各个综合资源的响应能力，同时对源网荷综合能源进行电网频率响应前馈控制。
8.根据权利要求7所述的源网荷综合能源调度分析系统，其特征在于，所述建模模块还包括：
第一对象划分单元，用于对第一对象建立可扩张观测器，将所述第一对象的信息分为用于建立控制模型基础的第一线性部分以及包含模型变化部分和扰动的第一非线性部分；
第一线性部分处理单元，用于基于所述第一线性部分，以线性滤波器或者传递函数辨识方式，建立第一系统模型，复制所述第一系统模型，并使用逆控制建模的方法建立所述第一对象的第一线性部分的逆模型；
第一非线性部分处理单元，用于将所述第一非线性部分作为信息驱动源，以线性滤波器或传递函数或神经网络辨识方式，对所述第一系统模型进行复制，使用逆控制建模的方法进行逆模型建立，作为扰动消除建模的模型。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述源网荷综合能源调度分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现如权利要求1至6任一项所述源网荷综合能源调度分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138654.XA CN111103789B (zh) | 2019-11-20 | 2019-11-20 | 源网荷综合能源调度分析方法、系统及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138654.XA CN111103789B (zh) | 2019-11-20 | 2019-11-20 | 源网荷综合能源调度分析方法、系统及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111103789A CN111103789A (zh) | 2020-05-05 |
| CN111103789B true CN111103789B (zh) | 2023-04-18 |
Family
ID=70421261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911138654.XA Active CN111103789B (zh) | 2019-11-20 | 2019-11-20 | 源网荷综合能源调度分析方法、系统及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111103789B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012006644A2 (de) * | 2010-07-16 | 2012-01-19 | Atb Automatisierungstecnik Gmbh & Co Kg | Verfahren zur planung und/oder steuerung einer energieabgabe an einen verbraucher und/oder einer energieeinspeisung in ein energieverteilungsnetz |
| CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
| CN106610589A (zh) * | 2016-12-30 | 2017-05-03 | 河北省电力建设调整试验所 | 一种在线硬件闭环网源协调线性自抗扰控制方法 |
| CN107832919A (zh) * | 2017-10-17 | 2018-03-23 | 国网江苏省电力公司盐城供电公司 | 一种用于间歇性可再生能源接入电网的源网荷协调控制系统 |
| CN108054750A (zh) * | 2017-12-08 | 2018-05-18 | 西南大学 | 一种计及夏季空调负荷差异特性的电网调峰控制系统与方法 |
| CN108964043A (zh) * | 2018-07-24 | 2018-12-07 | 南京千智电气科技有限公司 | 基于源网荷储的电网控制系统和方法 |
| CN109193950A (zh) * | 2018-10-26 | 2019-01-11 | 广东电网有限责任公司 | 基于源网荷储协调的电力系统优化调度及策略方法 |
| CN109445824A (zh) * | 2018-11-08 | 2019-03-08 | 国网河北省电力有限公司电力科学研究院 | 一种测控装置的更新方法、系统及终端设备 |
-
2019
- 2019-11-20 CN CN201911138654.XA patent/CN111103789B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012006644A2 (de) * | 2010-07-16 | 2012-01-19 | Atb Automatisierungstecnik Gmbh & Co Kg | Verfahren zur planung und/oder steuerung einer energieabgabe an einen verbraucher und/oder einer energieeinspeisung in ein energieverteilungsnetz |
| CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
| CN106610589A (zh) * | 2016-12-30 | 2017-05-03 | 河北省电力建设调整试验所 | 一种在线硬件闭环网源协调线性自抗扰控制方法 |
| CN107832919A (zh) * | 2017-10-17 | 2018-03-23 | 国网江苏省电力公司盐城供电公司 | 一种用于间歇性可再生能源接入电网的源网荷协调控制系统 |
| CN108054750A (zh) * | 2017-12-08 | 2018-05-18 | 西南大学 | 一种计及夏季空调负荷差异特性的电网调峰控制系统与方法 |
| CN108964043A (zh) * | 2018-07-24 | 2018-12-07 | 南京千智电气科技有限公司 | 基于源网荷储的电网控制系统和方法 |
| CN109193950A (zh) * | 2018-10-26 | 2019-01-11 | 广东电网有限责任公司 | 基于源网荷储协调的电力系统优化调度及策略方法 |
| CN109445824A (zh) * | 2018-11-08 | 2019-03-08 | 国网河北省电力有限公司电力科学研究院 | 一种测控装置的更新方法、系统及终端设备 |
Non-Patent Citations (6)
| Title |
|---|
| "源-网-荷"相协调的主动配电网经济调度;廖剑波，等;《电力系统及其自动化学报》;20180131;第30卷(第1期);第69-75页 * |
| Economic Dispatching Method Based on Dynamic Network Loss Factor;Tang Jianxing，等;《2018 International Conference on Power System Technology (POWERCON)》;20181130;第1-5页 * |
| High-Efficiency GaN Doherty Power Amplifier for 100-MHz LTE-Advanced Application Based on Modified Load Modulation Network;Jing Xia，等;《IEEE Transactions on Microwave Theory and Techniques》;20130831;第61卷(第8期);第2911-2921页 * |
| 含智能负荷和分布式能源接入的配电网调度研究;刘岩，等;《电力系统保护与控制》;20181016;第46卷(第20期);第116-123页 * |
| 基于在线热力性能数据的源侧涉网生产试验仿真;马瑞，等;《中国电力》;20170831;第50卷(第8期);第41-47页 * |
| 考虑负荷时变性的配电网故障抢修恢复策略;马瑞，等;《电力科学与技术学报》;20190630;第34卷(第2期);第20-27页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111103789A (zh) | 2020-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ouyang et al. | Improved parameters identification and state of charge estimation for lithium-ion battery with real-time optimal forgetting factor | |
| Zheng et al. | A novel equivalent model of active distribution networks based on LSTM | |
| CN109638815B (zh) | 一种电力系统中长期电压安全稳定预防控制策略确定方法 | |
| CN110163429B (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
| CN111525587B (zh) | 一种基于无功负荷态势的电网无功电压控制方法及系统 | |
| CN110247396A (zh) | 基于自适应抗差无迹卡尔曼滤波的配电网状态估计方法及系统 | |
| CN112287605B (zh) | 一种基于图卷积网络加速的潮流校核方法 | |
| CN108121215A (zh) | 基于全回路重构仿真的工业控制回路性能评价方法及装置 | |
| CN110224392A (zh) | 一种用于分析含风电系统电压稳定概率的无迹变换方法 | |
| CN112712240A (zh) | 一种台区线损成因分析方法及装置 | |
| CN114583767B (zh) | 一种数据驱动的风电场调频响应特性建模方法及系统 | |
| CN111695623A (zh) | 基于模糊聚类的大规模电池储能系统成组建模方法、系统、设备及可读存储介质 | |
| CN110826794A (zh) | 基于pso优化svm的电厂耗煤基准值滚动预测方法和装置 | |
| CN113328467B (zh) | 一种概率电压稳定性评估方法、系统、终端设备及介质 | |
| CN110991741A (zh) | 一种基于深度学习的断面约束概率预警方法及系统 | |
| CN111103789B (zh) | 源网荷综合能源调度分析方法、系统及终端设备 | |
| Nageswara Rao et al. | Salp swarm algorithm and phasor measurement unit based hybrid robust neural network model for online monitoring of voltage stability | |
| CN114814707A (zh) | 一种智能电表应力误差分析方法、设备、终端及可读介质 | |
| CN114036506A (zh) | 一种基于lm-bp神经网络的检测和防御虚假数据注入攻击的方法 | |
| CN116865343B (zh) | 分布式光伏配电网的无模型自适应控制方法、装置及介质 | |
| Niu et al. | New trust-region algorithm for nonlinear constrained optimization | |
| Spudić et al. | Fast coordinated model predictive control of large-scale distributed systems with single coupling constraint | |
| CN114268102B (zh) | 基于解析式概率潮流模型的电力系统运行状态量化方法 | |
| Li et al. | Critical clearing time prediction of power system fault based on machine learning | |
| CN112084710B (zh) | 固体氧化物燃料电池电压预测方法、终端设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |