配电网的调度方法、调度装置和电子设备

技术领域

本申请涉及配电网的调度领域，具体而言，涉及一种配电网的调度方法、调度装置、计算机可读存储介质和电子设备。

背景技术

随着分布式电源与储能系统的入网、先进的信息通信和电力电子技术的应用，对需求侧资源的开发利用，传统单向被动式配电网正逐渐发展为双向互动和多元协调的主动配电网，主动配电网的一次系统具有“源-网-荷”三元结构”，“源”指的是主动配电网中各类分布式电源与储能，其中，分布式电源分为可控型和间歇型，常见的可控型分布式电源有微型燃气轮机、柴油发电机、燃料电池等，间歇型分布式电源包括风力发电机、光伏等；“网”指的是包括变压器、线路、开关等电力设备，其功能是通过灵活的网络拓扑来管理潮流；“荷”指的是包括常规负荷、可削减负荷、可平移负荷等需求侧的各类负荷资源，从“源-网-荷”的角度而言，主动配电网是能够协调各类分布式电源与储能、基于灵活拓扑优化潮流积极管理需求侧资源，在满足用户电力需求的基础上，促进可再生能源发电消纳和网络经济安全运行的配电系统。

对于主动配电网的优化调度，目前大多数的优化调度方案是基于长时间尺度下的全局化进行的，没有考虑到短时间尺度下的区域自治协调，因此仍需完善。

发明内容

本申请的主要目的在于提供一种配电网的调度方法、调度装置、计算机可读存储介质和电子设备，以至少解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种配电网的调度方法，包括：获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，所述运行信息至少包括配电网的电压和功率，所述长时间尺度电源信息表示所述配电网的电源在长时间尺度下发出的功率，所述长时间尺度负荷信息表示所述配电网的负荷在长时间尺度下的需求功率，所述长时间尺度表示时间间隔为第一时间间隔；使用长时间尺度调度模型对所述运行信息和所述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，所述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组所述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，所述长时间尺度调度信息表示在所述长时间尺度下所述配电网的调度信息；使用短时间尺度调度模型对所述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，所述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组所述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，所述短时间尺度调度信息表示在短时间尺度下所述配电网的调度信息，所述短时间尺度表示时间间隔为第二时间间隔，所述第一时间间隔大于所述第二时间间隔；使用实时尺度调度模型对所述短时间尺度调度信息进行分析，得到所述配电网的目标调度方案，并按照所述目标调度方案对所述配电网进行调度，其中，所述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组所述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

可选地，在使用长时间尺度调度模型对所述运行信息和所述长时间尺度负荷信息进行分析之前，所述方法还包括：获取多组所述第一数据与初始长时间尺度调度模型，将多组所述第一数据划分为第一训练数据集和第一验证数据集；将所述第一训练数据集中的所述历史运行信息、所述历史长时间尺度电源信息和所述历史长时间尺度负荷信息作为所述初始长时间尺度调度模型的输入，所述第一训练数据集中的所述历史长时间尺度调度信息作为所述初始长时间尺度调度模型的输出，对所述初始长时间尺度调度模型进行训练，得到训练后的所述初始长时间尺度调度模型；将所述第一验证数据集中的所述历史运行信息、所述历史长时间尺度电源信息和所述历史长时间尺度负荷信息作为训练后的所述初始长时间尺度调度模型的输入，所述第一验证数据集中的所述历史长时间尺度调度信息作为训练后的所述初始长时间尺度调度模型的输出，对训练后的所述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到所述长时间尺度调度模型。

可选地，使用长时间尺度调度模型对所述运行信息和所述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，包括：获取第一优化目标和第一约束条件，其中，所述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，所述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；将所述长时间尺度调度模型、所述第一优化目标和所述第一约束条件进行联合求解，得到所述长时间尺度调度信息。

可选地，在使用短时间尺度调度模型对所述长时间尺度调度信息进行分析之前，所述方法还包括：获取多组所述第二数据与初始短时间尺度调度模型，将多组所述第二数据划分为第二训练数据集和第二验证数据集；将所述第二训练数据集中的所述历史长时间尺度调度信息作为所述初始短时间尺度调度模型的输入，所述第二训练数据集中的所述历史短时间尺度调度信息作为所述初始短时间尺度调度模型的输出，对所述初始短时间尺度调度模型进行训练，得到训练后的所述初始短时间尺度调度模型；将所述第二验证数据集中的所述历史长时间尺度调度信息作为训练后的所述初始短时间尺度调度模型的输入，所述第二验证数据集中的所述历史短时间尺度调度信息作为训练后的所述初始短时间尺度调度模型的输出，对训练后的所述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到所述短时间尺度调度模型。

可选地，使用短时间尺度调度模型对所述长时间尺度调度信息进行分析，得到短时间尺度调度信息，包括：获取第二优化目标和第二约束条件，其中，所述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，所述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；将所述短时间尺度调度模型、所述第二优化目标和所述第二约束条件进行联合求解，得到所述短时间尺度调度信息。

可选地，在使用实时尺度调度模型对所述短时间尺度调度信息进行分析之前，所述方法还包括：获取多组所述第三数据与初始实时尺度调度模型，将多组所述第三数据划分为第三训练数据集和第三验证数据集；将所述第三训练数据集中的所述历史短时间尺度调度信息作为所述初始实时尺度调度模型的输入，所述第三训练数据集中的所述历史调度方案作为所述初始实时尺度调度模型的输出，对所述初始实时尺度调度模型进行训练，得到训练后的所述初始实时尺度调度模型；将所述第三验证数据集中的所述历史短时间尺度调度信息作为训练后的所述初始实时尺度调度模型的输入，所述第三验证数据集中的所述历史调度方案作为训练后的所述初始实时尺度调度模型的输出，对训练后的所述初始实时尺度调度模型进行验证，在验证通过的情况下，得到所述实时尺度调度模型。

可选地，使用实时尺度调度模型对所述短时间尺度调度信息进行分析，得到所述配电网的目标调度方案，包括：获取第三优化目标和第三约束条件，其中，所述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，所述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；将所述实时时间尺度调度模型、所述第三优化目标和所述第三约束条件进行联合求解，得到所述实时时间尺度调度信息。

根据本申请的另一方面，提供了一种配电网的调度装置，包括：获取单元，用于获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，所述运行信息至少包括配电网的电压和功率，所述长时间尺度电源信息表示所述配电网的电源在长时间尺度下发出的功率，所述长时间尺度负荷信息表示所述配电网的负荷在长时间尺度下的需求功率，所述长时间尺度表示时间间隔为第一时间间隔；第一分析单元，用于使用长时间尺度调度模型对所述运行信息和所述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，所述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组所述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，所述长时间尺度调度信息表示在所述长时间尺度下所述配电网的调度信息；第二分析单元，用于使用短时间尺度调度模型对所述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，所述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组所述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，所述短时间尺度调度信息表示在短时间尺度下所述配电网的调度信息，所述短时间尺度表示时间间隔为第二时间间隔，所述第一时间间隔大于所述第二时间间隔；第三分析单元，用于使用实时尺度调度模型对所述短时间尺度调度信息进行分析，得到所述配电网的目标调度方案，并按照所述目标调度方案对所述配电网进行调度，其中，所述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组所述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

根据本申请的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的调度方法。

根据本申请的又一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的调度方法。

应用本申请的技术方案，通过获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息；使用长时间尺度调度模型对运行信息和长时间尺度负荷信息进行分析，得到长时间尺度调度信息；使用短时间尺度调度模型对长时间尺度调度信息进行分析，得到短时间尺度调度信息；使用实时尺度调度模型对短时间尺度调度信息进行分析，得到配电网的目标调度方案，并按照目标调度方案对配电网进行调度。与现有技术中，配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，本申请能够根据长时间尺度信息确定短时间尺度信息，因此，能够解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请的实施例提供的一种执行配电网的调度方法的移动终端的硬件结构框图；

图2示出了本申请的实施例提供的一种配电网的调度方法的流程示意图；

图3示出了本申请的实施例提供的一种具体的配电网的调度方法的流程示意图；

图4示出了本申请的实施例提供的一种配电网的调度装置的结构框图。

其中，上述附图包括以下附图标记：

102、处理器；104、存储器；106、传输设备；108、输入输出设备。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于描述，以下对本申请实施例涉及的部分名词或术语进行说明：

主动配电网：是指通过数字化技术和智能化设备，对电力系统进行智能化管理和优化调度的一种电力配电系统。它采用先进的通信、计算和控制技术，实现对配电网中各种电力设备、负荷和能源资源的监测、控制和管理，从而提高配电网的可靠性、安全性和经济性。

源荷协同调度：是指在电力系统中，通过对发电源和负荷进行协同调度，以实现系统运行的最佳性能。它涉及到对发电机组的出力调度和负荷的调度，以满足系统的功率平衡、频率稳定和电压控制等要求。

正如背景技术中所介绍的，现有技术中配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，为解决配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题，本申请的实施例提供了一种配电网的调度方法、调度装置、计算机可读存储介质和电子设备。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种配电网的调度方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的配电网的调度方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的配电网的调度方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本申请实施例的配电网的调度方法的流程图。如图2所示，该方法包括以下步骤：

步骤S201，获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，上述运行信息至少包括配电网的电压和功率，上述长时间尺度电源信息表示上述配电网的电源在长时间尺度下发出的功率，上述长时间尺度负荷信息表示上述配电网的负荷在长时间尺度下的需求功率，上述长时间尺度表示时间间隔为第一时间间隔；

具体地，采集的分布式电源信息包括微型燃气轮机、柴油发电机、燃料电池、风力发电机和光伏电力信息。通过源荷信息采集模块实时采集主动配电网运行量测信息及长时间尺度对应的分布式电源和柔性负荷信息，将采集的源荷信息分别输入至长时间尺度优化调度模型和短时间尺度优化调度模型，长时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解长时间尺度内的优化调度结果，短时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解短时间尺度内的优化调度结果，将长时间尺度优化调度模型和短时间尺度优化调度模型的优化调度结果输至实时尺度调度模型，实时尺度调度模型基于和声搜索HS算法求解实时尺度内的优化调度结果，基于该实时尺度内的优化调度结果进行主动配电网的源荷协同预测优化。

步骤S202，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，上述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组上述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，上述长时间尺度调度信息表示在上述长时间尺度下上述配电网的调度信息；

具体地，上述长时间尺度调度模型的生成步骤是：采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始优化调度模型进行验证，在验证合格后得到长时间尺度调度模型。

步骤S203，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，上述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组上述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，上述短时间尺度调度信息表示在短时间尺度下上述配电网的调度信息，上述短时间尺度表示时间间隔为第二时间间隔，上述第一时间间隔大于上述第二时间间隔；

具体地，上述短时间尺度调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度调度模型。

步骤S204，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，并按照上述目标调度方案对上述配电网进行调度，其中，上述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组上述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

具体地，上述实时尺度调度模型的生成步骤是：采集短时间尺度优化调度模型的历史短时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始优化调度模型进行验证，在验证合格后得到实时尺度调度模型。

通过本实施例，通过获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息；使用长时间尺度调度模型对运行信息和长时间尺度负荷信息进行分析，得到长时间尺度调度信息；使用短时间尺度调度模型对长时间尺度调度信息进行分析，得到短时间尺度调度信息；使用实时尺度调度模型对短时间尺度调度信息进行分析，得到配电网的目标调度方案，并按照目标调度方案对配电网进行调度。与现有技术中，配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，本申请能够根据长时间尺度信息确定短时间尺度信息，因此，能够解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

具体实现过程中，上述步骤S202在使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析之前，上述方法还包括以下步骤：获取多组上述第一数据与初始长时间尺度调度模型，将多组上述第一数据划分为第一训练数据集和第一验证数据集；将上述第一训练数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为上述初始长时间尺度调度模型的输入，上述第一训练数据集中的上述历史长时间尺度调度信息作为上述初始长时间尺度调度模型的输出，对上述初始长时间尺度调度模型进行训练，得到训练后的上述初始长时间尺度调度模型；将上述第一验证数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为训练后的上述初始长时间尺度调度模型的输入，上述第一验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始长时间尺度调度模型的输出，对训练后的上述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到上述长时间尺度调度模型。该方法通过上述步骤训练长时间尺度模型，这样能够准确训练得到长时间尺度模型。

具体地，如上文所说，采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始调度模型进行验证，在验证合格后得到长时间尺度调度模型。

为了准确得到长时间尺度调度信息，在一些可选的实施方式中，上述步骤S203在使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，可以通过以下步骤实现：获取第一优化目标和第一约束条件，其中，上述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，上述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；将上述长时间尺度调度模型、上述第一优化目标和上述第一约束条件进行联合求解，得到上述长时间尺度调度信息。该方法根据第一优化目标和第一约束条件联合进行求解，这样可以得到准确地长时间尺度调度信息。

具体实现过程中，源荷协同优化调度是指在电力系统中，通过对发电源和负荷进行协同优化调度，以实现系统运行的最佳性能。下面是使用HS算法进行源荷协同优化调度的一般步骤：1.数据采集：首先，需要采集电力系统中的相关数据，包括发电机组的运行状态、负荷需求、线路参数等。这些数据将作为优化调度的输入。2.状态建模：使用HS算法对电力系统的状态进行建模。将发电机组的状态和负荷需求划分为一系列时间段，每个时间段对应一个状态。同时，定义状态之间的转移概率和状态对应的约束条件。3.优化目标定义：根据需求和系统运行要求，定义优化目标。这可以包括最小化总成本、最大化系统可靠性等。4.约束条件定义：根据电力系统的实际情况，定义约束条件，如发电机组容量限制、线路传输能力限制等。5.优化模型建立：基于HS算法的状态建模和定义的优化目标、约束条件，建立源荷协同优化调度的数学模型。6.优化求解：使用优化算法，如遗传算法、粒子群算法等，对建立的优化模型进行求解，得到最优的源荷协同调度结果。7.结果评估与调整：对优化调度结果进行评估，检查是否满足系统的运行要求和约束条件。如果有需要，可以进行调整和优化。8.实施与监控：将优化调度结果实施到电力系统中，并进行实时监控和调整，以确保系统的稳定运行。需要注意的是，具体的源荷协同优化调度步骤可能会因电力系统的复杂程度、优化目标和约束条件的不同而有所差异，具体实施时需要根据实际情况进行调整和细化。

在一些可选的实施方式中，上述步骤S203在使用短时间尺度调度模型对上述长时间尺度调度信息进行分析之前，上述方法还包括以下步骤：获取多组上述第二数据与初始短时间尺度调度模型，将多组上述第二数据划分为第二训练数据集和第二验证数据集；将上述第二训练数据集中的上述历史长时间尺度调度信息作为上述初始短时间尺度调度模型的输入，上述第二训练数据集中的上述历史短时间尺度调度信息作为上述初始短时间尺度调度模型的输出，对上述初始短时间尺度调度模型进行训练，得到训练后的上述初始短时间尺度调度模型；将上述第二验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输入，上述第二验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输出，对训练后的上述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到上述短时间尺度调度模型。该方法通过上述步骤训练短时间尺度模型，这样能够训练得到准确地短时间尺度模型。

具体地，上述短时间尺度优化调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度优化调度模型。

为了求解得到短时间尺度调度信息，上述步骤S203可以通过以下步骤实现：获取第二优化目标和第二约束条件，其中，上述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，上述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；将上述短时间尺度调度模型、上述第二优化目标和上述第二约束条件进行联合求解，得到上述短时间尺度调度信息。该方法通过第二优化目标和第二约束条件进行联合求解，这样能够求解得到准确的短时间尺度调度信息。

具体实现过程中，如上文所说，使用HS算法进行源荷协同优化调度，步骤如上文所说，优化目标和约束条件为短时间尺度下的第二优化目标和第二约束条件，进行联合求解得到短时间尺度调度信息。

在一些可选的实施方式中，上述步骤S204在使用实时尺度调度模型对上述短时间尺度调度信息进行分析之前，可以通过以下步骤实现：获取多组上述第三数据与初始实时尺度调度模型，将多组上述第三数据划分为第三训练数据集和第三验证数据集；将上述第三训练数据集中的上述历史短时间尺度调度信息作为上述初始实时尺度调度模型的输入，上述第三训练数据集中的上述历史调度方案作为上述初始实时尺度调度模型的输出，对上述初始实时尺度调度模型进行训练，得到训练后的上述初始实时尺度调度模型；将上述第三验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始实时尺度调度模型的输入，上述第三验证数据集中的上述历史调度方案作为训练后的上述初始实时尺度调度模型的输出，对训练后的上述初始实时尺度调度模型进行验证，在验证通过的情况下，得到上述实时尺度调度模型。该方法通过上述步骤训练得到实时尺度调度模型，这样可以得到准确的实时尺度调度模型。

具体地，上述实时尺度调度模型的生成步骤是：采集短时间尺度调度模型的历史短时间尺度调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始调度模型进行验证，在验证合格后得到实时尺度调度模型。

为了准确得到上述配电网的目标调度方案，上述步骤S204可以通过以下步骤实现：获取第三优化目标和第三约束条件，其中，上述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，上述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；将上述实时时间尺度调度模型、上述第三优化目标和上述第三约束条件进行联合求解，得到上述实时时间尺度调度信息。该方法通过第三优化目标和第三约束条件联合求解得到实时时间尺度调度信息，这样可以得到准确地实时时间尺度调度信息。

具体地，如上文所说，使用HS算法进行源荷协同优化调度，步骤如上文所说，优化目标和约束条件为短时间尺度下的第三优化目标和第三约束条件，进行联合求解得到实时时间尺度调度信息。

为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例对本申请的配电网的调度方法的实现过程进行详细说明。

本实施例涉及一种具体的配电网的调度方法，如图3所示，包括如下步骤：

步骤S1：源荷信息采集模块采集的分布式电源包括微型燃气轮机、柴油发电机、燃料电池、风力发电机和光伏电力信息；

步骤S2：长时间尺度优化调度模型的生成步骤：采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始优化调度模型进行验证，在验证合格后得到长时间尺度优化调度模型；

步骤S3：短时间尺度优化调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度优化调度模型；

步骤S4：实时尺度优化调度模型的生成步骤是：采集短时间尺度优化调度模型的历史短时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始优化调度模型进行验证，在验证合格后得到实时尺度优化调度模型；

步骤S5：长时间尺度优化调度模型、短时间尺度优化调度模型和实时尺度优化调度模型的最优调度方案求解是基于和声搜索HS算法进行的，该验证的步骤为：输入网络参数、电价参数、风光荷预测参数，设置算法参数，初始化和声记忆库并计算目标函数值，由和声记忆库内继承、随机生成和音调三种方式生成新和声，向最优和声学习并生成新和声，计算新和声的目标函数值并更新和声记忆库，判断算法是否收敛，若没有，重复生成新和声步骤，若有，生成最优调度方案。

本申请实施例还提供了一种配电网的调度装置，需要说明的是，本申请实施例的配电网的调度装置可以用于执行本申请实施例所提供的用于配电网的调度方法。该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

以下对本申请实施例提供的配电网的调度装置进行介绍。

图4是根据本申请实施例的配电网的调度装置的示意图。如图4所示，该装置包括：

获取单元10，用于获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，上述运行信息至少包括配电网的电压和功率，上述长时间尺度电源信息表示上述配电网的电源在长时间尺度下发出的功率，上述长时间尺度负荷信息表示上述配电网的负荷在长时间尺度下的需求功率，上述长时间尺度表示时间间隔为第一时间间隔；

具体地，采集的分布式电源信息包括微型燃气轮机、柴油发电机、燃料电池、风力发电机和光伏电力信息。通过源荷信息采集模块实时采集主动配电网运行量测信息及长时间尺度对应的分布式电源和柔性负荷信息，将采集的源荷信息分别输入至长时间尺度优化调度模型和短时间尺度优化调度模型，长时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解长时间尺度内的优化调度结果，短时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解短时间尺度内的优化调度结果，将长时间尺度优化调度模型和短时间尺度优化调度模型的优化调度结果输至实时尺度调度模型，实时尺度调度模型基于和声搜索HS算法求解实时尺度内的优化调度结果，基于该实时尺度内的优化调度结果进行主动配电网的源荷协同预测优化。

第一分析单元20，用于使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，上述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组上述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，上述长时间尺度调度信息表示在上述长时间尺度下上述配电网的调度信息；

具体地，上述长时间尺度调度模型的生成步骤是：采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始优化调度模型进行验证，在验证合格后得到长时间尺度调度模型。

第二分析单元30，用于使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，上述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组上述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，上述短时间尺度调度信息表示在短时间尺度下上述配电网的调度信息，上述短时间尺度表示时间间隔为第二时间间隔，上述第一时间间隔大于上述第二时间间隔；

具体地，上述短时间尺度调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度调度模型。

第三分析单元40，用于使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，并按照上述目标调度方案对上述配电网进行调度，其中，上述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组上述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

具体地，上述实时尺度调度模型的生成步骤是：采集短时间尺度优化调度模型的历史短时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始优化调度模型进行验证，在验证合格后得到实时尺度调度模型。

通过本实施例，通过获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息；使用长时间尺度调度模型对运行信息和长时间尺度负荷信息进行分析，得到长时间尺度调度信息；使用短时间尺度调度模型对长时间尺度调度信息进行分析，得到短时间尺度调度信息；使用实时尺度调度模型对短时间尺度调度信息进行分析，得到配电网的目标调度方案，并按照目标调度方案对配电网进行调度。与现有技术中，配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，本申请能够根据长时间尺度信息确定短时间尺度信息，因此，能够解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

具体实现过程中，第一分析单元包括第一划分模块、第一训练模块和第一验证模块，其中，划分模块用于获取多组上述第一数据与初始长时间尺度调度模型，将多组上述第一数据划分为第一训练数据集和第一验证数据集；训练模块用于将上述第一训练数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为上述初始长时间尺度调度模型的输入，上述第一训练数据集中的上述历史长时间尺度调度信息作为上述初始长时间尺度调度模型的输出，对上述初始长时间尺度调度模型进行训练，得到训练后的上述初始长时间尺度调度模型；验证模块用于将上述第一验证数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为训练后的上述初始长时间尺度调度模型的输入，上述第一验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始长时间尺度调度模型的输出，对训练后的上述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到上述长时间尺度调度模型。该装置通过上述步骤训练长时间尺度模型，这样能够准确训练得到长时间尺度模型。

具体地，如上文所说，采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始调度模型进行验证，在验证合格后得到长时间尺度调度模型。

为了准确得到长时间尺度调度信息，在一些可选的实施方式中，第一分析单元还包括第一获取模块和第一求解模块，其中，第一获取模块用于获取第一优化目标和第一约束条件，其中，上述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，上述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；第一求解模块用于将上述长时间尺度调度模型、上述第一优化目标和上述第一约束条件进行联合求解，得到上述长时间尺度调度信息。该装置根据第一优化目标和第一约束条件联合进行求解，这样可以得到准确地长时间尺度调度信息。

具体实现过程中，源荷协同优化调度是指在电力系统中，通过对发电源和负荷进行协同优化调度，以实现系统运行的最佳性能。下面是使用HS算法进行源荷协同优化调度的一般步骤：1.数据采集：首先，需要采集电力系统中的相关数据，包括发电机组的运行状态、负荷需求、线路参数等。这些数据将作为优化调度的输入。2.状态建模：使用HS算法对电力系统的状态进行建模。将发电机组的状态和负荷需求划分为一系列时间段，每个时间段对应一个状态。同时，定义状态之间的转移概率和状态对应的约束条件。3.优化目标定义：根据需求和系统运行要求，定义优化目标。这可以包括最小化总成本、最大化系统可靠性等。4.约束条件定义：根据电力系统的实际情况，定义约束条件，如发电机组容量限制、线路传输能力限制等。5.优化模型建立：基于HS算法的状态建模和定义的优化目标、约束条件，建立源荷协同优化调度的数学模型。6.优化求解：使用优化算法，如遗传算法、粒子群算法等，对建立的优化模型进行求解，得到最优的源荷协同调度结果。7.结果评估与调整：对优化调度结果进行评估，检查是否满足系统的运行要求和约束条件。如果有需要，可以进行调整和优化。8.实施与监控：将优化调度结果实施到电力系统中，并进行实时监控和调整，以确保系统的稳定运行。需要注意的是，具体的源荷协同优化调度步骤可能会因电力系统的复杂程度、优化目标和约束条件的不同而有所差异，具体实施时需要根据实际情况进行调整和细化。

在一些可选的实施方式中，第二分析单元包括第二划分模块、第二训练模块和第二验证模块：第二划分模块用于获取多组上述第二数据与初始短时间尺度调度模型，将多组上述第二数据划分为第二训练数据集和第二验证数据集；第二训练模块用于将上述第二训练数据集中的上述历史长时间尺度调度信息作为上述初始短时间尺度调度模型的输入，上述第二训练数据集中的上述历史短时间尺度调度信息作为上述初始短时间尺度调度模型的输出，对上述初始短时间尺度调度模型进行训练，得到训练后的上述初始短时间尺度调度模型；第二验证模块用于将上述第二验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输入，上述第二验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输出，对训练后的上述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到上述短时间尺度调度模型。该装置通过上述步骤训练短时间尺度模型，这样能够训练得到准确地短时间尺度模型。

具体地，上述短时间尺度优化调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度优化调度模型。

为了求解得到短时间尺度调度信息，第二分析单元还包括第二获取模块和第二求解模块，第二获取模块用于获取第二优化目标和第二约束条件，其中，上述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，上述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；第二求解模块用于将上述短时间尺度调度模型、上述第二优化目标和上述第二约束条件进行联合求解，得到上述短时间尺度调度信息。该装置通过第二优化目标和第二约束条件进行联合求解，这样能够求解得到准确的短时间尺度调度信息。

具体实现过程中，如上文所说，使用HS算法进行源荷协同优化调度，步骤如上文所说，优化目标和约束条件为短时间尺度下的第二优化目标和第二约束条件，进行联合求解得到短时间尺度调度信息。

在一些可选的实施方式中，第三分析单元包括第三划分模块、第三训练模块和第三验证模块，第三划分模块用于获取多组上述第三数据与初始实时尺度调度模型，将多组上述第三数据划分为第三训练数据集和第三验证数据集；第三训练模块用于将上述第三训练数据集中的上述历史短时间尺度调度信息作为上述初始实时尺度调度模型的输入，上述第三训练数据集中的上述历史调度方案作为上述初始实时尺度调度模型的输出，对上述初始实时尺度调度模型进行训练，得到训练后的上述初始实时尺度调度模型；第三验证模块用于将上述第三验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始实时尺度调度模型的输入，上述第三验证数据集中的上述历史调度方案作为训练后的上述初始实时尺度调度模型的输出，对训练后的上述初始实时尺度调度模型进行验证，在验证通过的情况下，得到上述实时尺度调度模型。该装置通过上述步骤训练得到实时尺度调度模型，这样可以得到准确的实时尺度调度模型。

具体地，上述实时尺度调度模型的生成步骤是：采集短时间尺度调度模型的历史短时间尺度调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始调度模型进行验证，在验证合格后得到实时尺度调度模型。

为了准确得到上述配电网的目标调度方案，第二分析单元还包括第二获取模块和第二求解模块，第二获取模块用于获取第三优化目标和第三约束条件，其中，上述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，上述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；第二求解模块用于将上述实时时间尺度调度模型、上述第三优化目标和上述第三约束条件进行联合求解，得到上述实时时间尺度调度信息。该装置通过第三优化目标和第三约束条件联合求解得到实时时间尺度调度信息，这样可以得到准确地实时时间尺度调度信息。

具体地，如上文所说，使用HS算法进行源荷协同优化调度，步骤如上文所说，优化目标和约束条件为短时间尺度下的第三优化目标和第三约束条件，进行联合求解得到实时时间尺度调度信息。

上述配电网的调度装置包括处理器和存储器，上述获取单元、第一分析单元、第二分析单元和第三分析单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序运行时控制上述计算机可读存储介质所在设备执行上述配电网的调度方法。

具体地，配电网的调度方法包括：

步骤S201，获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，上述运行信息至少包括配电网的电压和功率，上述长时间尺度电源信息表示上述配电网的电源在长时间尺度下发出的功率，上述长时间尺度负荷信息表示上述配电网的负荷在长时间尺度下的需求功率，上述长时间尺度表示时间间隔为第一时间间隔；

具体地，采集的分布式电源信息包括微型燃气轮机、柴油发电机、燃料电池、风力发电机和光伏电力信息。通过源荷信息采集模块实时采集主动配电网运行量测信息及长时间尺度对应的分布式电源和柔性负荷信息，将采集的源荷信息分别输入至长时间尺度优化调度模型和短时间尺度优化调度模型，长时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解长时间尺度内的优化调度结果，短时间尺度优化调度模型基于采集的源荷信息和和声搜索HS算法求解短时间尺度内的优化调度结果，将长时间尺度优化调度模型和短时间尺度优化调度模型的优化调度结果输至实时尺度调度模型，实时尺度调度模型基于和声搜索HS算法求解实时尺度内的优化调度结果，基于该实时尺度内的优化调度结果进行主动配电网的源荷协同预测优化。

步骤S202，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，上述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组上述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，上述长时间尺度调度信息表示在上述长时间尺度下上述配电网的调度信息；

具体地，上述长时间尺度调度模型的生成步骤是：采集主动配电网历史运行量测信息及历史长时间尺度对应的分布式电源和柔性负荷信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的长时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的长时间尺度初始优化调度模型进行验证，在验证合格后得到长时间尺度调度模型。

步骤S203，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，上述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组上述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，上述短时间尺度调度信息表示在短时间尺度下上述配电网的调度信息，上述短时间尺度表示时间间隔为第二时间间隔，上述第一时间间隔大于上述第二时间间隔；

具体地，上述短时间尺度调度模型的生成步骤是：采集长时间尺度优化调度模型的历史长时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的短时间尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的短时间尺度初始优化调度模型进行验证，在验证合格后得到短时间尺度调度模型。

步骤S204，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，并按照上述目标调度方案对上述配电网进行调度，其中，上述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组上述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

具体地，上述实时尺度调度模型的生成步骤是：采集短时间尺度优化调度模型的历史短时间尺度优化调度信息，将上述采集的信息分为训练集和验证集，将训练集内的信息作为输入，依次输入至构建的实时尺度初始优化调度模型内进行训练，再将验证集作为输入对训练出的实时尺度初始优化调度模型进行验证，在验证合格后得到实时尺度调度模型。

可选地，在使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析之前，上述方法还包括：获取多组上述第一数据与初始长时间尺度调度模型，将多组上述第一数据划分为第一训练数据集和第一验证数据集；将上述第一训练数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为上述初始长时间尺度调度模型的输入，上述第一训练数据集中的上述历史长时间尺度调度信息作为上述初始长时间尺度调度模型的输出，对上述初始长时间尺度调度模型进行训练，得到训练后的上述初始长时间尺度调度模型；将上述第一验证数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为训练后的上述初始长时间尺度调度模型的输入，上述第一验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始长时间尺度调度模型的输出，对训练后的上述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到上述长时间尺度调度模型。

可选地，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，包括：获取第一优化目标和第一约束条件，其中，上述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，上述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；将上述长时间尺度调度模型、上述第一优化目标和上述第一约束条件进行联合求解，得到上述长时间尺度调度信息。

可选地，在使用短时间尺度调度模型对上述长时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第二数据与初始短时间尺度调度模型，将多组上述第二数据划分为第二训练数据集和第二验证数据集；将上述第二训练数据集中的上述历史长时间尺度调度信息作为上述初始短时间尺度调度模型的输入，上述第二训练数据集中的上述历史短时间尺度调度信息作为上述初始短时间尺度调度模型的输出，对上述初始短时间尺度调度模型进行训练，得到训练后的上述初始短时间尺度调度模型；将上述第二验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输入，上述第二验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输出，对训练后的上述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到上述短时间尺度调度模型。

可选地，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，包括：获取第二优化目标和第二约束条件，其中，上述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，上述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；将上述短时间尺度调度模型、上述第二优化目标和上述第二约束条件进行联合求解，得到上述短时间尺度调度信息。

可选地，在使用实时尺度调度模型对上述短时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第三数据与初始实时尺度调度模型，将多组上述第三数据划分为第三训练数据集和第三验证数据集；将上述第三训练数据集中的上述历史短时间尺度调度信息作为上述初始实时尺度调度模型的输入，上述第三训练数据集中的上述历史调度方案作为上述初始实时尺度调度模型的输出，对上述初始实时尺度调度模型进行训练，得到训练后的上述初始实时尺度调度模型；将上述第三验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始实时尺度调度模型的输入，上述第三验证数据集中的上述历史调度方案作为训练后的上述初始实时尺度调度模型的输出，对训练后的上述初始实时尺度调度模型进行验证，在验证通过的情况下，得到上述实时尺度调度模型。

可选地，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，包括：获取第三优化目标和第三约束条件，其中，上述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，上述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；将上述实时时间尺度调度模型、上述第三优化目标和上述第三约束条件进行联合求解，得到上述实时时间尺度调度信息。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S201，获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，上述运行信息至少包括配电网的电压和功率，上述长时间尺度电源信息表示上述配电网的电源在长时间尺度下发出的功率，上述长时间尺度负荷信息表示上述配电网的负荷在长时间尺度下的需求功率，上述长时间尺度表示时间间隔为第一时间间隔；

步骤S202，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，上述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组上述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，上述长时间尺度调度信息表示在上述长时间尺度下上述配电网的调度信息；

步骤S203，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，上述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组上述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，上述短时间尺度调度信息表示在短时间尺度下上述配电网的调度信息，上述短时间尺度表示时间间隔为第二时间间隔，上述第一时间间隔大于上述第二时间间隔；

步骤S204，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，并按照上述目标调度方案对上述配电网进行调度，其中，上述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组上述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

本文中的设备可以是服务器、PC、PAD、手机等。

可选地，在使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析之前，上述方法还包括：获取多组上述第一数据与初始长时间尺度调度模型，将多组上述第一数据划分为第一训练数据集和第一验证数据集；将上述第一训练数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为上述初始长时间尺度调度模型的输入，上述第一训练数据集中的上述历史长时间尺度调度信息作为上述初始长时间尺度调度模型的输出，对上述初始长时间尺度调度模型进行训练，得到训练后的上述初始长时间尺度调度模型；将上述第一验证数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为训练后的上述初始长时间尺度调度模型的输入，上述第一验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始长时间尺度调度模型的输出，对训练后的上述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到上述长时间尺度调度模型。

可选地，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，包括：获取第一优化目标和第一约束条件，其中，上述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，上述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；将上述长时间尺度调度模型、上述第一优化目标和上述第一约束条件进行联合求解，得到上述长时间尺度调度信息。

可选地，在使用短时间尺度调度模型对上述长时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第二数据与初始短时间尺度调度模型，将多组上述第二数据划分为第二训练数据集和第二验证数据集；将上述第二训练数据集中的上述历史长时间尺度调度信息作为上述初始短时间尺度调度模型的输入，上述第二训练数据集中的上述历史短时间尺度调度信息作为上述初始短时间尺度调度模型的输出，对上述初始短时间尺度调度模型进行训练，得到训练后的上述初始短时间尺度调度模型；将上述第二验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输入，上述第二验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输出，对训练后的上述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到上述短时间尺度调度模型。

可选地，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，包括：获取第二优化目标和第二约束条件，其中，上述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，上述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；将上述短时间尺度调度模型、上述第二优化目标和上述第二约束条件进行联合求解，得到上述短时间尺度调度信息。

可选地，在使用实时尺度调度模型对上述短时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第三数据与初始实时尺度调度模型，将多组上述第三数据划分为第三训练数据集和第三验证数据集；将上述第三训练数据集中的上述历史短时间尺度调度信息作为上述初始实时尺度调度模型的输入，上述第三训练数据集中的上述历史调度方案作为上述初始实时尺度调度模型的输出，对上述初始实时尺度调度模型进行训练，得到训练后的上述初始实时尺度调度模型；将上述第三验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始实时尺度调度模型的输入，上述第三验证数据集中的上述历史调度方案作为训练后的上述初始实时尺度调度模型的输出，对训练后的上述初始实时尺度调度模型进行验证，在验证通过的情况下，得到上述实时尺度调度模型。

可选地，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，包括：获取第三优化目标和第三约束条件，其中，上述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，上述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；将上述实时时间尺度调度模型、上述第三优化目标和上述第三约束条件进行联合求解，得到上述实时时间尺度调度信息。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S201，获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息，其中，上述运行信息至少包括配电网的电压和功率，上述长时间尺度电源信息表示上述配电网的电源在长时间尺度下发出的功率，上述长时间尺度负荷信息表示上述配电网的负荷在长时间尺度下的需求功率，上述长时间尺度表示时间间隔为第一时间间隔；

步骤S202，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，其中，上述长时间尺度调度模型为使用多组第一数据通过机器学习训练出来的，每组上述第一数据均包括：历史运行信息、历史长时间尺度电源信息、历史长时间尺度负荷信息以及历史长时间尺度调度信息，上述长时间尺度调度信息表示在上述长时间尺度下上述配电网的调度信息；

步骤S203，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，其中，上述短时间尺度调度模型为使用多组第二数据通过机器学习训练出来的，每组上述第二数据均包括：历史长时间尺度调度信息和历史短时间尺度调度信息，上述短时间尺度调度信息表示在短时间尺度下上述配电网的调度信息，上述短时间尺度表示时间间隔为第二时间间隔，上述第一时间间隔大于上述第二时间间隔；

步骤S204，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，并按照上述目标调度方案对上述配电网进行调度，其中，上述实时尺度调度模型为使用多组第三数据通过机器学习训练出来的，每组上述第三数据均包括：历史短时间尺度调度信息和历史调度方案。

可选地，在使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析之前，上述方法还包括：获取多组上述第一数据与初始长时间尺度调度模型，将多组上述第一数据划分为第一训练数据集和第一验证数据集；将上述第一训练数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为上述初始长时间尺度调度模型的输入，上述第一训练数据集中的上述历史长时间尺度调度信息作为上述初始长时间尺度调度模型的输出，对上述初始长时间尺度调度模型进行训练，得到训练后的上述初始长时间尺度调度模型；将上述第一验证数据集中的上述历史运行信息、上述历史长时间尺度电源信息和上述历史长时间尺度负荷信息作为训练后的上述初始长时间尺度调度模型的输入，上述第一验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始长时间尺度调度模型的输出，对训练后的上述初始长时间尺度调度模型进行验证，在验证通过的情况下，得到上述长时间尺度调度模型。

可选地，使用长时间尺度调度模型对上述运行信息和上述长时间尺度负荷信息进行分析，得到长时间尺度调度信息，包括：获取第一优化目标和第一约束条件，其中，上述第一优化目标至少包括长时间尺度最小化总成本和长时间尺度最大化系统可靠性，上述第一约束条件至少包括长时间尺度下的发电机组容量限制和长时间尺度下的线路传输能力限制；将上述长时间尺度调度模型、上述第一优化目标和上述第一约束条件进行联合求解，得到上述长时间尺度调度信息。

可选地，在使用短时间尺度调度模型对上述长时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第二数据与初始短时间尺度调度模型，将多组上述第二数据划分为第二训练数据集和第二验证数据集；将上述第二训练数据集中的上述历史长时间尺度调度信息作为上述初始短时间尺度调度模型的输入，上述第二训练数据集中的上述历史短时间尺度调度信息作为上述初始短时间尺度调度模型的输出，对上述初始短时间尺度调度模型进行训练，得到训练后的上述初始短时间尺度调度模型；将上述第二验证数据集中的上述历史长时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输入，上述第二验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始短时间尺度调度模型的输出，对训练后的上述初始短时间尺度调度模型进行验证，在验证通过的情况下，得到上述短时间尺度调度模型。

可选地，使用短时间尺度调度模型对上述长时间尺度调度信息进行分析，得到短时间尺度调度信息，包括：获取第二优化目标和第二约束条件，其中，上述第二优化目标至少包括短时间尺度下的最小化总成本和短时间尺度下的最大化系统可靠性，上述第二约束条件至少包括短时间尺度下的发电机组容量限制和短时间尺度下的线路传输能力限制；将上述短时间尺度调度模型、上述第二优化目标和上述第二约束条件进行联合求解，得到上述短时间尺度调度信息。

可选地，在使用实时尺度调度模型对上述短时间尺度调度信息进行分析之前，上述方法还包括：获取多组上述第三数据与初始实时尺度调度模型，将多组上述第三数据划分为第三训练数据集和第三验证数据集；将上述第三训练数据集中的上述历史短时间尺度调度信息作为上述初始实时尺度调度模型的输入，上述第三训练数据集中的上述历史调度方案作为上述初始实时尺度调度模型的输出，对上述初始实时尺度调度模型进行训练，得到训练后的上述初始实时尺度调度模型；将上述第三验证数据集中的上述历史短时间尺度调度信息作为训练后的上述初始实时尺度调度模型的输入，上述第三验证数据集中的上述历史调度方案作为训练后的上述初始实时尺度调度模型的输出，对训练后的上述初始实时尺度调度模型进行验证，在验证通过的情况下，得到上述实时尺度调度模型。

可选地，使用实时尺度调度模型对上述短时间尺度调度信息进行分析，得到上述配电网的目标调度方案，包括：获取第三优化目标和第三约束条件，其中，上述第三优化目标至少包括实时时间尺度下的最小化总成本和实时时间尺度下的最大化系统可靠性，上述第三约束条件至少包括实时时间尺度下的发电机组容量限制和实时时间尺度下的线路传输能力限制；将上述实时时间尺度调度模型、上述第三优化目标和上述第三约束条件进行联合求解，得到上述实时时间尺度调度信息。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1)、本申请的配电网的调度方法中，通过获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息；使用长时间尺度调度模型对运行信息和长时间尺度负荷信息进行分析，得到长时间尺度调度信息；使用短时间尺度调度模型对长时间尺度调度信息进行分析，得到短时间尺度调度信息；使用实时尺度调度模型对短时间尺度调度信息进行分析，得到配电网的目标调度方案，并按照目标调度方案对配电网进行调度。与现有技术中，配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，本申请能够根据长时间尺度信息确定短时间尺度信息，因此，能够解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

2)、本申请的配电网的调度装置中，通过获取配电网的运行信息、长时间尺度电源信息和长时间尺度负荷信息；使用长时间尺度调度模型对运行信息和长时间尺度负荷信息进行分析，得到长时间尺度调度信息；使用短时间尺度调度模型对长时间尺度调度信息进行分析，得到短时间尺度调度信息；使用实时尺度调度模型对短时间尺度调度信息进行分析，得到配电网的目标调度方案，并按照目标调度方案对配电网进行调度。与现有技术中，配电网的优化调度方案大多是基于长时间尺度下的全局优化进行的，没有考虑到短时间尺度下的调度协调，本申请能够根据长时间尺度信息确定短时间尺度信息，因此，能够解决现有技术中配电网的优化调度方案没有考虑到短时间尺度下的调度协调的问题。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。