CN119416986A 一种虚拟电厂的能源协调优化控制方法及系统 （四川华体照明科技股份有限公司）

一种虚拟电厂的能源协调优化控制方法及本发明提供一种虚拟电厂的能源协调优化第一编码特征表示依次拼接得到第一融合编码一个数个领域适应网络中确定得到第二个数个的第二编码特征表示加载到与多个响应方式对2将多个所述第一编码特征表示依次拼接得到第一融合编将所述第一融合编码特征表示加载到第一个基于与每个所述响应方式对应的响应方式选择器，在所将和多个所述响应方式对应的第二编码特征表示加载到与多个所述响应方式对应的影响系数向量用于表征第一个数个所述领域适应网络依据所述影响系数向量，在所述第一个数个所述领域适应网络二二维数组中的列的个数为所述第一个数，行的个数为所述第一融合编码特征表示的维将所述动态调整数组与所述扰动基础数组进行数量积计算，获所述依据所述影响系数向量，在所述第一个数个所述领域适应网络确定所述影响系数向量中的向量单元中按降序排布的前第将所述前第二个数个向量单元对应的所述领域适应网络，作为确3将所述影响系数向量中按降序排布的前第二个数个向量单元以外的余下向量单元替对所述影响系数向量进行标准化指数转换，获得第二个数个所述领域适依据所述第一影响系数对确定得到的第二个数个所述领域适应网络的所述依据所述第一影响系数对确定得到的第二个数个所述领域适应网络的输出进行获取多层权重集合，所述多层权重集合表示第一个数个所在所述多层权重集合中，获取第二个数个所述第一影响系数在所述偏移量矩阵中获取第二个数个所述第一影响系依据第二个数个所述第一影响系数、第二个数个所述第一影响系将第二个数个所述领域适应网络中每一个所述领域适应网络对应的所述网络权重二维数组与加载到所述领域适应网络的所述第一融合编码特征表示作积，获得过渡特征表依据第二个数个所述领域适应网络的输出和所述领域适应网络对应的所述第一影响4在所述第一个数个所述领域适应网络中，确定和所述响应方从拟选取协调控制策略集合中选取得到选定协调控制策略集合，将所述选策略集合中的每个选定协调控制策略的策略信息依次作为协调将所述灯杆基础数据、所述环境监测数据、和所述协调控制策其中，多个所述虚拟电厂节点状态数据源于调试学习数第一个数个所述领域适应网络、所述响应方式选择器、和对于一个所述响应方式，依据所述先验标记和针对所述响应方式依据所述损失函数对第一个数个所述领域适应网络、所述响应方依据所述响应方式影响系数，对多个所述响应方一个或多个计算机程序；其中所述一个或多个计算机程序被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序被所述处理器执行时，5的数据量和复杂度急剧增加。传统的集中式控制方法已经难以满足实时性和准确性的要数据用于预测目标虚拟电厂节点对协调控制策略的、针对多个响应方式的响应触发置信选择器，在所述第一个数个所述领域适应网络中确定得到第二个数个所述领域适应网络，目标虚拟电厂节点对所述协调控制策略的、针对多个所述响应方式的所述响应触发置信67计。对于异常值，计算机系统可以采用离群点检测算法进行识别，并根据实际情况选择保特征表示是原始虚拟电厂节点状态数据的紧凑且富有信息量的表示形式。它们将被用于后续的机器学习模型中，以预测目标虚拟电厂节点在不同协调控制策略下对多种响应方式的是包含五个元素的向量[B1,B2,B3,B4,B5]和[C1,C2,C3,C4,C5]。是一个包含15个元素的向量[A1,A2,A3,A4,A5,B1,B2,B3,B4,B5,C1,C2,C3,C4,C5]。8能够更准确地预测虚拟电厂节点在不同协调控制策略下对多种响应方式的响应触发置信的非线性变换提取和转换输入特征中的有用信息；输出层则产生该领域适应网络的输出。[0034]领域适应网络例如通过一系列计算和非线性变换来提取和转换输入特征中的有环境参数相关的特征，而网络B则可能更关注发电设备输出功率和储能设备电量状态的特络B则可以输出一个与发电设备和储能设备状态相关9[0040]在确定了需要激活的领域适应网络后，计算机系统将这些网络的输出进行融合。[0042]融合操作完成后，计算机系统将得到与当前响应方式对应的第二编码特征表这个特征表示包含了从多个领域适应网络中提取出的与特定响应方式最相关的特征信息。[0056]第一融合编码特征表示是在步骤S200中通过拼接多个第个数等于第一个数（即领域适应网络的总数行的个数等于第一融合编码特征表示的维来生成影响系数调节数组。动态调整数组中的元素是遵循高斯分布或其他分布的随机数，个向量中的每个元素都代表了一个领域适应网络在当前任务中的最终影响一个数行的个数等于第一融合编码特征表示的维数。这个矩阵可以看作是一个参数集每个元素都代表了一个领域适应网络在初始状[0077]步骤S414是生成影响系数向量的最后一步。在这一步骤中，计算机系统将步骤或加权求和以生成最终的影响系数向量。[0079]无论采用哪种组合方式，最终得到的影响系数向量v都将用于后续步骤中确定哪[0083]步骤S4132：在变异数值集合中任意选择第一个数个变异数值，构建动态调整数的扰动基础数组进行数量积计算（也称为点积计算或内积计算以生成影响系数调节数[0097]其中，⊙表示逐元素相乘运算符。计算后得到的影响系数调节数组r=[r1,r2,[0098]由于动态调整数组中的元素是随机生成的变异数值，因此每次执行步骤S4133时[0108]步骤S422中，计算机系统将步骤S421中确定的前N个向量单元与领域适应网络进[0110]因此，在步骤S422中，计算机系统将根据步骤S421中确定的前N个向量单元的位位于0和1之间。在这一步骤中，计算机系统将对步骤S430中处理后的影响系数向量应用[0126]具体来说，假设有n个激活网络（即过以下公式计算得到：[0129]继续上面的例子，假设已经得到了两个激活网络的第一影响系数向量[0.525,响系数对输出特征表示进行加权求和，得到最终的融合结果H=0.525·h1+0.475·h2。[0137]步骤S451目的是获取表示所有领域适应网络的网络权重二维数组的多层权重集[0143]步骤S453目的是从多层权重集合中检索出与激活网络对应的网络权重二维数这一步骤依赖于步骤S440中得到的第一影响系数和步骤S420softmax函数进行了归一化处理，因此它们可以直接用作索引或权重来选择网络权重二维。点在给定协调控制策略下对多个响应方式的响[0154]步骤S4551：将第二个数个领域适应网络中每一个领域适应网络对应的网络权重[0157]步骤S4554：依据第二个数个领域适应网络的输出和领域适应网络对应的第一影[0158]步骤S4551目的是计算每个激活领域适应网络的过渡特征表示。过渡特征表示是通过将网络权重二维数组与加载到领域适应网络的第一融合编码特征表示进行矩阵乘法[0160]h;=W·X其中，·表示矩阵乘法运算。这个运算的结果是一个向量，其维数与[0161]例如，假设有两个激活的领域适应网络，它们的网络权重二维数组分别为X=[X,X2,...,xm]（m为第一融合编码特征表示的。输出o1可以通过计算ReLU(h'1)得到；对于第二个激活网络，其输出o2可以通过计算ReLU[0171]步骤S4554目的是根据激活网络的输出和对应的第一影响系数来计算最终的融合许计算机系统根据响应方式的名称或标识符来快[0198]步骤S31目的是根据响应方式类型来评估该响应方式对系统整体性能的影响程[0205]步骤S32目的是根据推理目标准确度来评估系统对推理结果准确性的期望和要[0206]与步骤S31类似，计算机系统也会维护一个推理目标准确度与推理准确度评分的[0212]步骤S33目的是将方式影响评分和推理准确度评分进行合并，以得到一个综合反[0218]步骤S34目的是根据合并评分来确定需要激活的领域适应网络数量。这一过程例机系统将确定需要激活3个领域适应网络来处理当前许计算机系统根据响应方式的名称或标识符来快[0234]为了实现这一目标，计算机系统可以采用一种基于领域第一个数个领域适应网络中，选择与这些主题紧密相关的第三个数个网络进行进一步考[0237]步骤S403目的是在第三个数个候选网络中，进一步选择第二个数个网络进行激[0241]第二个数的确定可能不仅依赖于影响系数的大小，还可数据。第一编码特征表示。编码过程是将原始数据转换为机器学习模型可以处理的格式的过程，一个虚拟电厂节点的状态信息。这些第一编码特征表示将作为后续机器学习模型的输入，用于预测目标虚拟电厂节点在给定协调控制策略下对多种响应方式的响理网络输出的响应触发置信度来确定该响应方式的分支[0271]在确定了每个响应方式的分支损失函数后，计算机系统将这些损失函数整合起损失函数进行加权求和或采用其他形式的融合策略。加权求和是一种简单而有效的方法，它允许计算机系统根据响应方式的重要性或复[0274]计算机系统将调试学习样例中的虚拟电厂节点状态数据[0284]步骤S21目的是获取每个响应方式的