本发明属于电力调控，更具体地，涉及一种融合数据驱动风险感知的电力系统的调控方法及系统。
背景技术：
1、随着特高压交直流混联大电网及可再生能源的迅速发展，电网结构和能源供给模式正经历前所未有的变革。这种变革主要体现在两个方面：首先，特高压技术允许电力系统在更远的距离上输送电能，这意味着能源可以在更宽广的区域内进行优化配置；其次，随着风能、太阳能等可再生能源的大规模接入，电网的供电结构也日益多元化。这些新能源的出力特性，尤其是其间歇性和不确定性，正在对电网产生深远的影响。这种影响不仅导致了电力系统本身的深刻变化，更使得电网的全局监视、全网防控和集中决策变得尤为关键。
2、在应对源与荷的双重不确定性时，现行的调度和控制方法大多仍属于被动模式。这种被动控制策略的根本问题在于它是基于当前已知的系统状态来进行决策，而不是基于未来可能的状态。例如，当电网中出现过载或电压越限等异常情况时，调度人员往往是在事件发生后才开始行动。这种被动反应模式存在明显的时间延迟性与效果局限性。首先，它往往意味着错过了最佳的控制时间窗口，从而导致无法充分利用那些响应时间较长的资源，如需求响应资源。其次，被动的控制策略通常会使电网在发生安全事件时产生更大的损失。考虑到调度决策的紧迫性和复杂性，电网的安全和稳定性可能因此陷入被动和不确定的状态。
3、考虑到目前调度控制模式的被动性，预先预测可能的调控场景并据此提前制定策略显得尤为重要。当前，这方面的研究已经开始集中于电力系统的态势感知和暂态稳定性评估。尽管这些研究为我们提供了关于电力系统未来状态的宝贵信息，但仅仅依赖这些状态类别信息(标签信息)可能是不足够的。工作人员仍然需要根据实际情况和调度经验来制定实际下发的策略。因此，许多学者开始着重于风险预警研究，希望能为调度人员提供更精确的决策辅助支持。
4、对于电力系统的风险评估预警研究，传统方法多数基于物理模型驱动，关注事件的确定性特征，如线路过载、电压越限场景等。但随着大量新能源和电力电子设备的并网，系统的动态特性变得越来越复杂。这使得基于固定假设或模型的评估方法在估算系统的实际风险时逐渐显示出局限性。为了更准确地描述和量化风险，数据驱动的评估方法近年来受到了越来越多的关注。这些方法的核心思想是直接从实测数据中学习系统的数据行为特征，而不是基于预定的物理模型假设。但是，尽管数据驱动方法在一定程度上增强了评估的准确性和快速性，现有研究仍主要集中在指标的改进和标签型风险预警方面，缺乏对可能性的量化考虑。近期的研究开始探索结合场景概率与风险评估的方法，以提供更全面的风险视角。例如，一些研究通过采用先进的机器学习技术，如生成对抗网络和迭代随机森林等，结合实时数据进行动态风险概率评估。这些方法不仅具有很好的鲁棒性，而且能够提供更加全面的风险信息。然而，现有的研究方法仍然集中于评估系统当前的风险状态，对未来可能出现的场景尚缺乏深入的考虑。而如何将这些评估结果与调度控制策略的制定相结合，仍然是一个待研究的问题。
技术实现思路
1、本发明通过提供一种融合数据驱动风险感知的电力系统的调控方法及系统，解决现有技术难以实现对电力系统的安全风险进行前瞻性预警、电力系统的风险主动应对能力有待提高的问题。
2、本发明提供一种融合数据驱动风险感知的电力系统的调控方法，包括：
3、构建时序预测模型、越限概率预测模型和主动调度控制模型，所述主动调度控制模型包含基于数据驱动的安全风险约束；
4、基于电力系统的关键变量特征子集，采集得到电力系统的多维量测时序数据；将所述多维量测时序数据输入至所述时序预测模型，所述时序预测模型输出关键变量特征对应的预测数据向量；
5、将所述预测数据向量输入至所述越限概率预测模型，所述越限概率预测模型输出包含各关键对象在未来出现越限的概率评估结果的越限概率预测信息；
6、结合电力系统的严重度指数和所述越限概率预测信息，得到电力系统的综合风险指数；
7、根据所述综合风险指数和预设阈值，判断是否触发电力系统的调控程序；若触发调控程序，则利用所述主动调度控制模型生成调度控制策略，实现对电力系统的主动调控。
8、优选的，所述时序预测模型利用长短时间记忆网络实现时序预测，表示为：
9、xt+α＝ms(xt)
10、式中，ms表示长短时间记忆网络，xt表示多维量测时序数据，xt+α表示预测数据向量，α表示预测提前的时间。
11、优选的，所述越限概率预测模型利用支持向量机分类模型叠加置信度校正模块构建得到。
12、优选的，针对每个关键对象，训练一个所述越限概率预测模型；第z个关键对象在未来出现越限的概率表示为：
13、
14、式中，表示第z个越限概率预测模型，xt+α表示预测数据向量，α表示预测提前的时间，表示第z个关键对象在未来α时出现越限的概率。
15、优选的，利用电力系统的严重度函数构建所述严重度指数；
16、所述综合风险指数表示为：
17、
18、式中，α表示预测提前的时间，riskt+α表示在预测时刻的综合风险指数，sz表示第z个关键对象对应的严重度指数，表示第z个关键对象在预测时刻出现越限的概率。
19、优选的，电压越限、线路过载、变压器越限对应的严重度指数的计算方式如下：
20、
21、
22、
23、式中，分别表示预测时刻电压越限、线路过载、变压器越限对应的严重度指数，sz根据所属类别选择上述计算方式之一进行计算；分别为预测时刻的节点电压、线路潮流有功、变压器电流；分别为电压的上限值、下限值；为电压限值，为潮流限值，为变压器电流限值。
24、优选的，所述主动调度控制模型以调度总成本最小为目标，表示为：
25、
26、式中，f表示调度总成本，h表示调度时段索引，t表示当前时刻，h为调度周期长度，g为传统发电机集合，为h时刻传统发电机组的出力，为传统机组调度成本，ε为单位负荷调整代价因子，u为系统节点集合，为负荷主动调整量，b为电池储能集合，为电池储能功率，为电池储能调度成本。
27、优选的，所述基于数据驱动的安全风险约束表示为：
28、
29、式中，riskh表示在调度周期内的任意一个时刻的综合风险指数，rlim表示预设阈值，h表示调度时段索引，t表示当前时刻，h为调度周期长度。
30、优选的，所述主动调度控制模型还包括以下约束：功率平衡约束、发电机出力约束、发电机爬坡出力约束、线路传输有功约束、电池储能充放电状态限制、电池储能充放电功率限制和电池储能荷电状态约束。
31、另一方面，本发明提供一种融合数据驱动风险感知的电力系统的调控系统，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，所述处理器执行所述计算机程序时实现上述的融合数据驱动风险感知的电力系统的调控方法中的步骤。
32、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
33、本发明首先基于电力系统的关键变量特征子集，采集得到电力系统的多维量测时序数据，将多维量测时序数据输入至构建的时序预测模型，利用时序预测模型输出关键变量特征对应的预测数据向量(即得到关于关键对象的未来场景预测数据)；然后将预测数据向量输入至构建的越限概率预测模型，越限概率预测模型输出包含各关键对象在未来出现越限的概率评估结果的越限概率预测信息(即预测系统中关键对象在未来可能出现越限的概率)；之后结合电力系统的严重度指数和越限概率预测信息，得到电力系统的综合风险指数；最后根据综合风险指数和预设阈值，判断是否触发电力系统的调控程序；若触发调控程序，则利用构建的主动调度控制模型生成调度控制策略，实现对电力系统的主动调控(即进行源荷储联合调度控制)。其中，主动调度控制模型包含基于数据驱动的安全风险约束。本发明能够利用历史数据预测未来可能出现的风险场景，并提前制定主动调控策略来预防或减轻这些风险；本发明采用的越限概率预测模型能够输出越限概率，相比于仅提供分类标签的模型，本发明可以为电网调度和运行人员提供更加具体和有参考价值的信息，增强了决策的准确性和效率；本发明在主动调度控制模型中加入基于数据驱动的安全风险约束，使得产生的调度控制策略严格满足系统安全要求；采用数据驱动方法，摒弃了传统参数模型的局限性，确保了在各种系统运行状态和物理参数变化下的安全风险监测鲁棒性；本发明能够为调度运行人员提供前瞻性的预警信息，帮助他们提前进行系统调整，增强了电网的运行安全性和风险主动应对能力。综上，本发明实现了电力系统风险的概率感知评估，并与电力系统源荷储调度控制有效结合，能够大大提升电力系统的安全风险主动抵御能力。
1.一种融合数据驱动风险感知的电力系统的调控方法，其特征在于，包括：
2.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，所述时序预测模型利用长短时间记忆网络实现时序预测，表示为：
3.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，所述越限概率预测模型利用支持向量机分类模型叠加置信度校正模块构建得到。
4.根据权利要求3所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，针对每个关键对象，训练一个所述越限概率预测模型；第z个关键对象在未来出现越限的概率表示为：
5.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，利用电力系统的严重度函数构建所述严重度指数；
6.根据权利要求5所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，电压越限、线路过载、变压器越限对应的严重度指数的计算方式如下：
7.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，所述主动调度控制模型以调度总成本最小为目标，表示为：
8.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，所述基于数据驱动的安全风险约束表示为：
9.根据权利要求1所述的融合数据驱动风险感知的电力系统的调控方法，其特征在于，所述主动调度控制模型还包括以下约束：功率平衡约束、发电机出力约束、发电机爬坡出力约束、线路传输有功约束、电池储能充放电状态限制、电池储能充放电功率限制和电池储能荷电状态约束。
10.一种融合数据驱动风险感知的电力系统的调控系统，其特征在于，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，所述处理器执行所述计算机程序时实现如权利要求1-9中任一项所述的融合数据驱动风险感知的电力系统的调控方法中的步骤。
