源网荷储协同用电智能调控方法、装置、系统、电子设备及存储介质

1.一种源网荷储协同用电智能调控系统，其特征在于，所述智能调控系统包括能源调控中心和设置于微电网集群中的各个微电网内的能源调控单元，所述能源调控中心分别与所述各个微电网内的能源调控单元通信连接，所述微电网集群中的各个微电网内的能源调控单元之间通信连接，其中：所述微电网集群中的任一微电网中的能源调控单元，被配置为：获取所述任一微电网的历史用电信息和未来预设时间内的气象参数；所述历史用电信息包括：历史电负荷和历史热负荷，所述气象参数包括如下参数中的一个或多个：光照强度、温度、风速、风向、相对湿度；根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量；所述基于时间注意力机制的LRCN双层网络组合模型包括：卷积神经网络CNN模块，长短期记忆网络LSTM模块、高效多尺度注意力模块和多源数据特征共享层模块；所述根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量，包括：使用第一负荷特征提取通道处理所述历史电负荷，得到所述历史电负荷的特征表示；使用第二负荷特征提取通道处理所述历史热负荷，得到所述历史热负荷的特征表示；使用所述多源数据特征共享层模块处理所述气象参数中的温度、所述历史电负荷的特征表示和所述历史热负荷的特征表示，得到所述任一微电网所述未来预设时间内的电负荷预测值和热负荷预测值；根据所述电负荷预测值和所述热负荷预测值得到所述任一微电网所述未来预设时间内的用电量；根据所述气象参数确定所述任一微电网在所述未来预设时间内的发电量；根据所述任一微电网内当前储能容量和所述未来预设时间内的发电量以及所述未来预设时间内的用电量确定所述任一微电网在所述未来预设时间内的用电盈缺量；将所述未来预设时间内的用电盈缺量发送给所述能源调控中心；根据所述任一微电网的发电成本、传输成本和有功功率损耗获取所述任一微电网的最新当前电价；将所述最新当前电价发送给所述能源调控中心；所述能源调控中心，被配置为根据微电网集群中的各微电网的所述未来预设时间内的用电盈缺量和所述最新当前电价，使用基于帕累托前沿曲线和模糊算法的融合多目标算法生成微电网协同用电调控方案；将所述微电网协同用电调控方案发送给所述任一微电网中的能源调控单元；所述能源调控单元，还被配置为根据所述微电网协同用电调控方案进行用电调控。 2.根据权利要求1所述的智能调控系统，其特征在于，所述任一微电网还包括：用电消耗数据管理系统DMS，所述用电消耗数据管理系统DMS被配置为存储、管理和维护所述历史电负荷和所述历史热负荷，所述获取所述任一微电网的历史用电信息，包括：通过与所述用电消耗数据管理系统DMS进行接口通信获取所述历史用电信息。 3.根据权利要求1所述的智能调控系统，其特征在于，所述第一负荷特征提取通道包括：第一卷积神经网络CNN模块，第一长短期记忆网络LSTM模块和第一高效多尺度注意力模块，所述使用第一负荷特征提取通道处理所述历史电负荷，得到所述历史电负荷的特征表示，包括：使用所述第一卷积神经网络CNN模块通过卷积操作提取所述历史电负荷的局部特征，得到所述历史电负荷的特征映射；使用所述第一长短期记忆网络LSTM模块处理所述历史电负荷的特征映射，通过基于循环连接的特性捕捉所述历史电负荷中的长期和短期依赖关系，得到所述历史电负荷的隐藏状态向量；使用所述第一高效多尺度注意力模块处理所述历史电负荷的隐藏状态向量，通过对不同的特征赋予不同的权重，得到经过注意力机制加权后的所述历史电负荷的特征表示；所述第二负荷特征提取通道包括：第二卷积神经网络CNN模块，第二长短期记忆网络LSTM模块和第二高效多尺度注意力模块，所述使用第二负荷特征提取通道处理所述历史热负荷，得到所述历史热负荷的特征表示，包括：使用所述第二卷积神经网络CNN模块通过卷积操作提取所述历史热负荷的局部特征，得到所述历史热负荷的特征映射；使用所述第二长短期记忆网络LSTM模块处理所述历史热负荷的特征映射，通过基于循环连接的特性捕捉所述历史热负荷中的长期和短期依赖关系，得到所述历史热负荷的隐藏状态向量；使用所述第二高效多尺度注意力模块处理所述历史热负荷的隐藏状态向量，通过对不同的特征赋予不同的权重，得到经过注意力机制加权后的所述历史热负荷的特征表示。 4.根据权利要求1所述的智能调控系统，其特征在于，所述能源调控单元，还被配置为：获取当前实际电负荷和当前实际热负荷；根据所述当前实际电负荷和所述电负荷预测值得到电负荷偏差；根据所述当前实际热负荷和所述热负荷预测值得到热负荷偏差；当所述电负荷偏差和/或所述热负荷偏差不满足预设要求，采用基于迁移学习的在线学习框架对所述基于时间注意力机制的LRCN双层网络组合模型进行参数迁移，包括：如果所述历史电负荷的平均值与所述当前实际电负荷的差值大于预设电负荷差异阈值，则更新第一负荷特征提取通道参数；如果所述历史热负荷的平均值与所述当前实际热负荷的差值大于预设热负荷差异阈值，则更新第二负荷特征提取通道参数；获取当前温度与历史温度，如果所述历史温度的平均值与所述当前温度的差值大于预设温度差异阈值，则更新所述第一负荷特征提取通道参数和所述第二负荷特征提取通道参数。 5.根据权利要求1所述的智能调控系统，其特征在于，所述气象参数还包括：单位时间内水平面太阳能辐照量；通过如下公式计算所述未来预设时间内的发电量， K T ；其中，E为所述未来预设时间内的发电量，H为所述单位时间内水平面太阳能辐照量，P为系统安装容量，K为综合效率系数，T为所述未来预设时间的长度。 6.根据权利要求1所述的智能调控系统，其特征在于，所述根据所述任一微电网内当前储能容量和所述未来预设时间内的发电量以及所述未来预设时间内的用电量确定所述任一微电网在所述未来预设时间内的用电盈缺量，包括：通过如下公式计算所述未来预设时间内的用电盈缺量， ；其中， 为所述未来预设时间内的用电盈缺量，A为所述任一微电网内当前储能容量，B为所述未来预设时间内的发电量，C为所述未来预设时间内的用电量；当Q为正值时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于电量充盈状态；当所述Q为负值时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于电量匮缺状态，当所述Q为零时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于用电平衡状态。 7.根据权利要求1所述的智能调控系统，其特征在于，所述根据所述任一微电网的发电成本、传输成本和有功功率损耗获取所述任一微电网的最新当前电价，包括：基于指定时间内所述任一微电网的有功功率、当前电价、所述任一微电网总放电功率以及所述任一微电网的需求侧响应功率消耗计算所述任一微电网的发电成本；基于所述指定时间内从所述任一微电网到输电线的有功功率确定所述传输成本；基于总输电线拓扑级别、输电线线阻及输电线电流确定所述指定时间内的有功功率损耗；所述最新当前电价为满足所述发电成本小于第一预设常量且所述有功功率损耗小于第二预设常量且所述传输成本最小的电价。 8.根据权利要求1所述的智能调控系统，其特征在于，所述根据微电网集群中的各微电网的所述未来预设时间内的用电盈缺量和所述最新当前电价，使用基于帕累托前沿曲线和模糊算法的融合多目标算法生成微电网协同用电调控方案，包括：使用所述模糊算法对所述用电盈缺量和所述最新当前电价进行模糊化处理；通过预先定义的隶属度函数将经模糊化处理后的用电盈缺量和电价转换为模糊集合中的隶属度值；根据预设参数为预先定义的多个优化目标分配相应的权重；所述优化目标包括：最小化用电成本，最大化能源利用效率或减少对环境的影响；根据所述多个优化目标以及各个优化目标对应的权重，利用多目标优化算法在所述模糊集合中的隶属度值上进行迭代计算，生成多个预备用电调控方案，所述多目标优化算法包括：粒子群优化算法或遗传算法；评估各预备用电调控方案的多个目标函数值，并在所述帕累托前沿曲线上标出各预备用电调控方案的位置；结合所述帕累托前沿曲线和所述模糊集合中的隶属度值，通过预设的融合策略选择或生成所述微电网协同用电调控方案；所述预设的融合策略包括：加权融合。 9.一种源网荷储协同用电智能调控方法，其特征在于，应用于能源调控单元，所述能源调控单元设置于微电网集群中的各个微电网内，与所述微电网集群内的能源调控中心通信连接，所述微电网集群中的各个微电网内的能源调控单元之间通信连接，所述智能调控方法包括：所述微电网集群中的任一微电网中的能源调控单元获取所述任一微电网的历史用电信息和未来预设时间内的气象参数；所述历史用电信息包括：历史电负荷和历 史热负荷，所述气象参数包括如下参数中的一个或多个：光照强度、温度、风速、风向、相对湿度；根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量；所述基于时间注意力机制的LRCN双层网络组合模型包括：卷积神经网络CNN模块，长短期记忆网络LSTM模块、高效多尺度注意力模块和多源数据特征共享层模块；所述根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量，包括：使用第一负荷特征提取通道处理所述历史电负荷，得到所述历史电负荷的特征表示；使用第二负荷特征提取通道处理所述历史热负荷，得到所述历史热负荷的特征表示；使用所述多源数据特征共享层模块处理所述气象参数中的温度、所述历史电负荷的特征表示和所述历史热负荷的特征表示，得到所述任一微电网所述未来预设时间内的电负荷预测值和热负荷预测值；根据所述电负荷预测值和所述热负荷预测值得到所述任一微电网所述未来预设时间内的用电量；根据所述气象参数确定所述任一微电网在所述未来预设时间内的发电量；根据所述任一微电网内当前储能容量和所述未来预设时间内的发电量以及所述未来预设时间内的用电量确定所述任一微电网在所述未来预设时间内的用电盈缺量；将所述未来预设时间内的用电盈缺量发送给所述能源调控中心；根据所述任一微电网的发电成本、传输成本和有功功率损耗获取所述任一微电网的最新当前电价；将所述最新当前电价发送给所述能源调控中心；接收所述能源调控中心返回的微电网协同用电调控方案；根据所述微电网协同用电调控方案进行用电调控。 10.根据权利要求9所述的智能调控方法，其特征在于，所述第一负荷特征提取通道包括：第一卷积神经网络CNN模块，第一长短期记忆网络LSTM模块和第一高效多尺度注意力模块，所述使用第一负荷特征提取通道处理所述历史电负荷，得到所述历史电负荷的特征表示，包括：使用所述第一卷积神经网络CNN模块通过卷积操作提取所述历史电负荷的局部特征，得到所述历史电负荷的特征映射；使用所述第一长短期记忆网络LSTM模块处理所述历史电负荷的特征映射，通过基于循环连接的特性捕捉所述历史电负荷中的长期和短期依赖关系，得到所述历史电负荷的隐藏状态向量；使用所述第一高效多尺度注意力模块处理所述历史电负荷的隐藏状态向量，通过对不同的特征赋予不同的权重，得到经过注意力机制加权后的所述历史电负荷的特征表示；所述第二负荷特征提取通道包括：第二卷积神经网络CNN模块，第二长短期记忆网络LSTM模块和第二高效多尺度注意力模块，所述使用第二负荷特征提取通道处理所述历史热负荷，得到所述历史热负荷的特征表示，包括：使用所述第二卷积神经网络CNN模块通过卷积操作提取所述历史热负荷的局部特征，得到所述历史热负荷的特征映射；使用所述第二长短期记忆网络LSTM模块处理所述历史热负荷的特征映射，通过基于循环连接的特性捕捉所述历史热负荷中的长期和短期依赖关系，得到所述历史热负荷的隐藏状态向量；使用所述第二高效多尺度注意力模块处理所述历史热负荷的隐藏状态向量，通过对不同的特征赋予不同的权重，得到经过注意力机制加权后的所述历史热负荷的特征表示。 11.根据权利要求9所述的智能调控方法，其特征在于，所述智能调控方法还包括：获取当前实际电负荷和当前实际热负荷；根据所述当前实际电负荷和所述电负荷预测值得到电负荷偏差；根据所述当前实际热负荷和所述热负荷预测值得到热负荷偏差；当所述电负荷偏差和/或所述热负荷偏差不满足预设要求，采用基于迁移学习的在线学习框架对所述基于时间注意力机制的LRCN双层网络组合模型进行参数迁移，包括：如果所述历史电负荷的平均值与所述当前实际电负荷的差值大于预设电负荷差异阈值，则更新第一负荷特征提取通道参数；如果所述历史热负荷的平均值与所述当前实际热负荷的差值大于预设热负荷差异阈值，则更新第二负荷特征提取通道参数；获取当前温度与历史温度，如果所述历史温度的平均值与所述当前温度的差值大于预设温度差异阈值，则更新所述第一负荷特征提取通道参数和所述第二负荷特征提取通道参数。 12.根据权利要求9所述的智能调控方法，其特征在于，所述气象参数还包括：单位时间内水平面太阳能辐照量；通过如下公式计算所述未来预设时间内的发电量， K T ；其中，E为所述未来预设时间内的发电量，H为所述单位时间内水平面太阳能辐照量，P为系统安装容量，K为综合效率系数，T为所述未来预设时间的长度。 13.根据权利要求9所述的智能调控方法，其特征在于，所述根据所述任一微电网内当前储能容量和所述未来预设时间内的发电量以及所述未来预设时间内的用电量确定所述任一微电网在所述未来预设时间内的用电盈缺量，包括：通过如下公式计算所述未来预设时间内的用电盈缺量， ；其中， 为所述未来预设时间内的用电盈缺量，A为所述任一微电网内当前储能容量，B为所述未来预设时间内的发电量，C为所述未来预设时间内的用电量；当所述Q为正值时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于电量充盈状态；当所述Q为负值时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于电量匮缺状态，当所述Q为零时，所述未来预设时间内的用电盈缺量用于指示所述任一微电网处于用电平衡状态。 14.根据权利要求9所述的智能调控方法，其特征在于，所述根据所述任一微电网的发电成本、传输成本和有功功率损耗获取所述任一微电网的最新当前电价，包括：基于指定时间内所述任一微电网的有功功率、当前电价、所述任一微电网总放电功率以及所述任一微电网的需求侧响应功率消耗计算所述任一微电网的发电成本；基于所述指定时间内从所述任一微电网到输电线的有功功率确定所述传输成本；基于总输电线拓扑级别、输电线线阻及输电线电流确定所述指定时间内的有功功率损耗；所述最新当前电价为满足所述发电成本小于第一预设常量且所述有功功率损耗小于第二预设常量且所述传输成本最小的电价。 15.一种源网荷储协同用电智能调控方法，其特征在于，应用于能源调控中心，所述能源调控中心与能源调控单元通信连接，所述能源调控单元设置于微电网集群中的各个微电网内，所述微电网集群中的各个微电网内的能源调控单元之间通信连接，所述智能调控方法包括：接收所述能源调控单元发送的未来预设时间内的用电盈缺量；接收所述能源调控单元发送的最新当前电价；根据微电网集群中的各微电网的所述未来预设时间内的用电盈缺量和所述最新当前电价，使用基于帕累托前沿曲线和模糊算法的融合多目标算法生成微电网协同用电调控方案；将所述微电网协同用电调控方案发送给任一微电网中的所述能源调控单元。 16.根据权利要求15所述的智能调控方法，其特征在于，所述根据微电网集群中的各微电网的所述未来预设时间内的用电盈缺量和所述最新当前电价，使用基于帕累托前沿曲线和模糊算法的融合多目标算法生成微电网协同用电调控方案，包括：使用所述模糊算法对所述用电盈缺量和所述最新当前电价进行模糊化处理；通过预先定义的隶属度函数将经模糊化处理后的用电盈缺量和电价转换为模糊集合中的隶属度值；根据预设参数为预先定义的多个优化目标分配相应的权重；所述优化目标包括：最小化用电成本，最大化能源利用效率或减少对环境的影响；根据所述多个优化目标以及各个优化目标对应的权重，利用多目标优化算法在所述模糊集合中的隶属度值上进行迭代计算，生成多个预备用电调控方案，所述多目标优化算法包括：粒子群优化算法或遗传算法；评估各预备用电调控方案的多个目标函数值，并在所述帕累托前沿曲线上标出各预备用电调控方案的位置；结合所述帕累托前沿曲线和所述模糊集合中的隶属度值，通过预设的融合策略选择或生成所述微电网协同用电调控方案；所述预设的融合策略包括：加权融合。 17.一种源网荷储协同用电智能调控装置，其特征在于，设置于能源调控单元，所述能源调控单元设置于微电网集群中的各个微电网内，与所述微电网集群内的能源调控中心通信连接，所述微电网集群中的各个微电网内的能源调控单元之间通信连接，设置于任一微电网中的能源调控单元中的所述智能调控装置包括：参数获取模块，被设置为获取所述任一微电网的历史用电信息和未来预设时间内的气象参数；所述历史用电信息包括：历史电负荷和历史热负荷，所述气象参数包括如下参数中的一个或多个：光照强度、温度、风速、风向、相对湿度；用电量预测模块，被设置为根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量；所述基于时间注意力机制的LRCN双层网络组合模型包括：卷积神经网络CNN模块，长短期记忆网络LSTM模块、高效多尺度注意力模块和多源数据特征共享层模块；所述根据所述历史用电信息和所述气象参数，使用基于时间注意力机制的LRCN双层网络组合模型联合预测所述任一微电网所述未来预设时间内的用电量，包括：使用第一负荷特征提取通道处理所述历史电负荷，得到所述历史电负荷的特征表示；使用第二负荷特征提取通道处理所述历史热负荷，得到所述历史热负荷的特征表示；使用所述多源数据特征共享层模块处理所述气象参数中的温度、所述历史电负荷的特征表示和所述历史热负荷的特征表示，得到所述任一微电网所述未来预设时间内的电负荷预测值和热负荷预测值；根据所述电负荷预测值和所述热负荷预测值得到所述任一微电网所述未来预设时间内的用电量；用电盈缺量计算模块，被设置为根据所述气象参数确定所述任一微电网在所述未来预设时间内的发电量；根据所述任一微电网内当前储能容量和所述未来预设时间内的发电量以及所述未来预设时间内的用电量确定所述任一微电网在所述未来预设时间内的用电盈缺量；最新当前电价计算模块，被设置为根据所述任一微电网的发电成本、传输成本和有功功率损耗获取所述任一微电网的最新当前电价；参数发送模块，被设置为将所述未来预设时间内的用电盈缺量发送给所述能源调控中心；将所述最新当前电价发送给所述能源调控中心；调控方案接收模块，被设置为接收所述能源调控中心返回的微电网协同用电调控方案；调控方案执行模块，被设置为根据所述微电网协同用电调控方案进行用电调控。 18.一种源网荷储协同用电智能调控装置，其特征在于，设置于能源调控中心，所述能源调控中心与能源调控单元通信连接，所述能源调控单元设置于微电网集群中的各个微电网内，所述微电网集群中的各个微电网内的能源调控单元之间通信连接，所述智能调控装置包括：参数接收模块，被设置为接收所述能源调控单元发送的未来预设时间内的用电盈缺量；接收所述能源调控单元发送的最新当前电价；调控方案生成模块，被设置为根据微电网集群中的各微电网的所述未来预设时间内的用电盈缺量和所述最新当前电价，使用基于帕累托前沿曲线和模糊算法的融合多目标算法生成微电网协同用电调控方案；调控方案发送模块，被设置为将所述微电网协同用电调控方案发送给任一微电网中的所述能源调控单元。 19.一种电子设备，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求9~16中任一项所述的智能调控方法。 20.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求9~16中任一项所述的智能调控方法。 21.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求9~16中任一项所述的智能调控方法。