一种基于混合专家模型的电力数据处理方法、装置及电子设备与流程

本发明属于电力经济调度领域，具体涉及一种基于混合专家模型的电力数据处理方法、装置及电子设备。

背景技术：

1、进行电力系统动态经济调度中，为了避免陷入局部搜索，现的有粒子群算法普遍采用对粒子位置进行调整的方法，如结合遗传算法，对粒子进行交叉、变异等操作。但这些方法容易千万粒子越限，并在迭代后期对搜索区域的针对性不强，容易千万迭代过程的浪费。

2、如中国专利文献cn106570579b的一种基于改进量子粒子群算法的水火电经济调度方法，通过建立水火电经济高度数学模型和量子粒子群算法进行电力调度。但是，由于该现有技术方案仅考虑水电火电等传统能源电力，未考虑出力不确定的光伏电、风力电等新能源的并网影响因素，无法解决综合光伏风力等能源场景的电力系统调度压力。

3、在粒子群算法中，粒子群后期的搜索空间和收敛性受初始种群位置影响，初始粒子群位置通常由随机数生成器生成。然而在高维空间中，利用随机数生成器生成的初始种群位置会分布不均，从而影响粒子群算法的性能。在粒子群算法中，粒子群后期的搜索空间和收敛性受初始种群位置影响，初始粒子群位置通常由随机数生成器生成。然而在高维空间中，利用随机数生成器生成的初始种群位置会分布不均，从而影响粒子群算法的性能。混沌映射模型具有遍历性、随机性和规律性的特点。它能在一定范围内不重复地遍历所有状态。与随机数生成器相比，混沌映射模型能提升初始种群的多样性，可以有效避免粒子群算法中的早熟问题。

技术实现思路

1、针对上述现有技术，本发明的目的是结合粒子群算法、混沌映射模型和聚类算法解决出力不确定的光伏电、风力电等新能源的并网影响因素，解决综合光伏风力等能源场景的电力系统调度压力的问题。

2、为解决上述技术问题，本申请提供一种基于混合专家模型的电力数据处理方法，包括，

3、所述方法用于电力设备，所述电力设备包括风力发电机和光伏发电机，包括

4、获取所述电力设备内部的风力发电机和光伏发电机装机容量；

5、利用混沌映射模型生成初始种群，并将装机容量反归一化至搜索空间，得到粒子的初始位置；

6、计算每个粒子的适应度值，并更新每个粒子和种群的历史最优值；

7、建立每个粒子和历史最优值作为聚类数据集，并将历史最优值作为初始聚类中心，并计算每个粒子到聚类中心之间的距离；

8、筛选距离小于预设阈值的粒子，并将这些粒子形成簇；

9、计算所述簇的均值，并将所述均值记为新的聚类中心；

10、如果新的聚类中心与旧的聚类中心相同，或者达到预设的迭代次数，或者簇的成员不再发生变化，则算法收敛，结束流程。

11、作为优选，建立发电机运行总费用f(pg)的目标函数：

12、

13、式中f、nmg、t分别为发电机运行总费用、发电机个数、运行时段数；

14、分别为第i个发电机第t时段的购电费用、燃料费用、设备的维护费用、环境成本；fem为碳排放成本。

15、建立粒子群算法和混沌映射公式

16、

17、式中:分别为第i个粒子在第k+1次迭代中的速度、位置；

18、分别为第i个粒子在第k次迭代中的速度、位置；ω为惯性系数；c1、c2为学习因子:r1、r2为[0,1]范围内均匀分布的随机数；pg为粒子群的历史最优位置；pi为粒子i的历史最优位置。

19、

20、式中，中分别为混沌变量d维分量在第k+1、k次迭代时的取值；

21、值为混沌变量d维分量的初始值

22、作为优选，所述方法之后还包括，若新的聚类中心与旧的聚类中心不相同，或者未达到预设的迭代次数，或者簇的成员继续发生变化，则算法不收敛，继续回到计算每个粒子的适应度值，并更新每个粒子和种群的历史最优值，循环步骤。

23、为解决上述技术问题，本申请还提供了一种基于混合专家模型的电力数据处理系统，包括

24、获取模块：获取所述电力设备内部的风力发电机和光伏发电机装机容量；

25、模型生成模块：利用混沌映射模型生成初始种群，并将装机容量反归一化至搜索空间，得到粒子的初始位置；

26、第一计算模块：计算每个粒子的适应度值，并更新每个粒子和种群的历史最优值；

27、聚类模块：建立每个粒子和历史最优值作为聚类数据集，并将历史最优值作为初始聚类中心，并计算每个粒子到聚类中心之间的距离；

28、筛选模块：筛选距离小于预设阈值的粒子，并将这些粒子形成簇；

29、第二计算模块：计算所述簇的均值，并将所述均值记为新的聚类中心；

30、判断收敛模块：如果新的聚类中心与旧的聚类中心相同，或者达到预设的迭代次数，或者簇的成员不再发生变化，则算法收敛，结束流程。

31、为解决上述技术问题，本申请还提供了一种基于混合专家模型的电力数据处理设备，包括：

32、存储器，用于存储计算机程序；

33、处理器，用于指向计算机程序，实现基于一种基于混合专家模型的电力数据处理处理方法的步骤。

34、为解决上述技术问题，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现上述全部一种基于混合专家模型的电力数据处理方法的步骤。

35、本申请的有益效果如下：

36、在研究电力系统优化调度模型的过程中，由于每天负荷和分布式电源出力随机性和不确定性，可能会优化出很多的结果，但是经济调度模型试图做到通用策略，同样的策略能够适用于不同的负荷和分布式电源特征，为了做到这一点，就出现随机优化、鲁棒优化等等方法，对负荷进行聚类分析，对归纳得到的共性负荷特征结合优化调度分析，模型的说服力会大大增强。混沌映射模型具有遍历性、随机性和规律性的特点。它能在一定范围内不重复地遍历所有状态。与随机数生成器相比，混沌映射模型能提升初始种群的多样性，可以有效避免粒子群算法中的早熟问题。

技术特征：

1.一种基于混合专家模型的电力数据处理方法，其特征在于，所述方法用于电力设备，所述电力设备包括风力发电机和光伏发电机，包括

2.根据权利要求1所述的基于混合专家模型的电力数据处理方法，其特征在于：建立发电机运行总费用f(pg）的目标函数：

3.根据权利要求2所述的基于混合专家模型的电力数据处理方法，其特征在于：建立所述目标函数的粒子群算法和混沌映射表达式：

4.根据权利要求1所述的基于混合专家模型的电力数据处理方法，其特征在于，所述方法之后还包括，若新的聚类中心与旧的聚类中心不相同，或者未达到预设的迭代次数，或者簇的成员继续发生变化，则算法不收敛，继续回到计算每个粒子的适应度值，并更新每个粒子和种群的历史最优值，循环步骤。

5.一种基于混合专家模型的电力数据处理系统，包括

6.一种基于混合专家模型的电力数据处理设备，其特征在于，包括：

7.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述的基于混合专家模型的电力数据处理方法的步骤。

技术总结
一种基于混合专家模型的电力数据处理方法、装置及电子设备，一种基于混合专家模型的电力数据处理方法及系统，包括获取电力设备内部的风力发电机和光伏发电机装机容量；利用混沌映射模型生成初始种群，并将装机容量反归一化至搜索空间，得到粒子的初始位置；计算每个粒子的适应度值，并更新每个粒子和种群的历史最优值；建立每个粒子和历史最优值作为聚类数据集，并将历史最优值作为初始聚类中心，并计算每个粒子到聚类中心之间的距离；筛选距离小于预设阈值的粒子，并将这些粒子形成簇；计算所述簇的均值，并将所述均值记为新的聚类中心；如果新的聚类中心与旧的聚类中心相同，则算法收敛，结束流程。优化算法能大大提升电力调度的效率。

技术研发人员：方志杰,丰柏生,石广森,聂静静,于海,吴承帅,周晗越,唐天培,袁勋嵘,徐浩东
受保护的技术使用者：国网浙江省电力有限公司建德市供电公司
技术研发日：
技术公布日：2024/12/5