本技术涉及工业数据挖掘分析，尤其涉及一种用于优化区域电力资源供给的数据分析方法及系统。
背景技术：
1、随着电力需求的不断增长和新能源技术的发展，区域电力资源的高效供给和管理变得尤为重要。同时，随着储能技术的快速发展，一些区域配置了储能站，尤其是热点区域甚至会设有多个储能站，储能系统逐渐被应用于电力系统中，用于平滑负荷波动、提高可再生能源的利用率，等等。
2、在现有的区域电力资源调度系统中，往往集中在对变电站的调度管理，而忽视了储能站在电力调度中的潜在价值。随着新能源技术的发展，储能站的配置逐渐增加，特别是在一些热点区域，多个储能站的存在使得单独调度变电站的方案已经不能满足现代电力系统的需求。
3、此外，在电力资源调度过程中，成本控制是一个重要但难以精确实现的目标。传统的调度方法通常难以在保证电力供应安全的前提下，最优化成本与收益之间的平衡。例如，储能站在进行充放电操作时，需要考虑电力市场价格的波动、电池寿命和维护成本等多种因素，但现有技术缺乏精确的成本评估和优化方法，导致运营成本较高，收益不理想。同样，变电站在负荷调度时，往往难以同时兼顾电力供应可靠性和经济性，导致负荷分配不合理，运营成本偏高。
4、因此，如何将变电站和储能站进行综合调度，以实现电力资源的最优配置，成为目前业界亟待解决的难题。
技术实现思路
1、本技术提供一种用于优化区域电力资源供给的数据分析方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决目前电力资源调度没有综合考虑储能站而导致负荷分配不合理、电力供应可靠性差和运营成本偏高的问题。
2、第一方面，本技术实施例提供一种用于优化区域电力资源供给的数据分析方法，包括：获取待分析的目标区域节点的对应历史的第一时间段的变电站运行时序数据和储能站运行时序数据；所述变电站运行时序数据的数据类型包含：负荷记录、峰谷负荷、运行成本、设备状态数据和历史维护记录；所述储能站运行时序数据的数据类型包含：充放电记录、设备状态、剩余容量、运营成本、电力市场价格和天气数据；将所述变电站运行时序数据输入至变电站调度优化模型，以确定对应未来的第二时间段的初步负荷平衡措施；所述变电站调度优化模型采用多目标优化模型；将所述储能站运行时序数据和对应所述第二时间段的天气预报信息输入至储能站调度优化模型，以确定对应所述第二时间段的初步充放电操作措施；所述储能站调度优化模型采用时序预测模型；将所述变电站运行时序数据、所述储能站运行时序数据、所述初步负荷平衡措施和所述初步充放电操作措施输入至措施综合优化模型，以确定对应所述第二时间段的目标负荷平衡措施和目标充放电操作措施；所述措施综合优化模型包含数据预处理层、图神经网络层、特征融合层和强化学习层；所述数据预处理层用于对所述变电站运行时序数据、所述储能站运行时序数据、所述初步负荷平衡措施和所述初步充放电操作措施进行预处理，以得到相应的第一时序特征、第二时序特征、第一措施特征和第二措施特征；将所述第一时序特征和所述第二时序特征输入至图神经网络层，以分别得到相应的变电站依赖特征和储能站依赖特征，具体包括：基于所述第一时序特征和所述第二时序特征，构建图结构；所述图结构包含多个图节点和边；每一所述图节点分别由相应变电站或储能站的时序特征而定义，每一所述边分别由具有电力连接关系的变电站和储能站而定义；基于图神经网络层迭代更新各个图节点的特征向量，以逐步融合邻居节点的信息，实现对全局特征的提取，从而得到最终各个图节点所对应的变电站依赖特征和储能站依赖特征：
3、初始化每个图节点i的特征向量xi表示图节点i所对应的变电站或储能站的时序特征；
4、在每一层l，每个图节点i从其邻居节点n(i)接收信息并进行聚合：
5、
6、式中，为图节点i在第l+1层的消息，wij表示连接图节点i和图节点j的边所对应的边权重，为图节点i在第l+1层的特征向量，w(l)和b(l)为第l层的权重和偏置，σ为激活函数；
7、通过多层图神经网络层进行迭代更新，逐步融合全局信息，以得到最终的节点特征向量：
8、
9、式中，l为图神经网络层的层数，hi为图节点i的最终特征向量，其用于确定相应的变电站依赖特征或储能站依赖特征；
10、所述特征融合层用于将所述变电站依赖特征、所述储能站依赖特征、所述第一措施特征和所述第二措施特征进行融合，以得到综合特征表示：
11、hfusion＝concat(hgnn-substation,hgnn-storage,fsubstation,fstorage)
12、式中，hfusion表示综合特征向量，hgnn-substation表示变电站依赖特征，hgnn-storage表示储能站依赖特征，fsubstation表示第一措施特征，fstorage表示第二措施特征；
13、基于所述强化学习层处理所述综合特征表示，以确定相应的目标负荷平衡措施和目标充放电操作措施，具体包括：
14、所述强化学习层的状态空间中的各个状态分别通过下式定义：
15、s＝hfusion
16、式中，s表示强化学习层的状态，其由相应的综合特征表示而定义；
17、策略更新公式为：
18、π(a|s)＝softmax(wπ·s+bπ)
19、式中，π(a|s)表示强化学习层的策略，表示在状态s下选择动作a的概率；a是由相应的负荷调整幅度和充放电操作幅度而定义的；wπ和bπ分别表示策略权重矩阵和策略偏置向量；
20、奖励函数为：
21、
22、式中，r表示奖励值，pprofit表示电力系统的整体收益，pcost表示电力系统的运行成本；lbalanced表示负荷平衡调整后的区域电力负荷，ltotal表示电力系统的总负荷，eloss表示能量损失；λ1,λ2,λ3分别表示用于衡量系统经济效益、系统稳定性和系统效率的权重系数；
23、根据对应奖励值最大的动作，确定目标负荷平衡措施和目标充放电操作措施。
24、第二方面，本技术实施例提供一种用于优化区域电力资源供给的数据分析系统，用于实现如本技术任一实施例的用于优化区域电力资源供给的数据分析方法的步骤。
25、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术任一实施例的用于优化区域电力资源供给的数据分析方法的步骤。
26、第四方面，本技术实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本技术任一实施例的用于优化区域电力资源供给的数据分析方法的步骤。
27、第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本技术任一实施例的用于优化区域电力资源供给的数据分析方法的步骤。
28、通过本技术提供的一种用于优化区域电力资源供给的数据分析方法，能够至少产生如下的技术效果：
29、(1)通过将变电站和储能站的运行时序数据分别输入至变电站调度优化模型和储能站调度优化模型，可以综合考虑各自的运行特性和约束条件，制定初步的负荷平衡和充放电操作措施。通过这些初步措施，能够显著提高变电站或储能站各自的负荷调度能力，能较佳地支持负荷平衡能力平滑负荷波动。继而，采用措施综合优化模型将变电站和储能站的调度措施进行综合优化，利用图神经网络层对全局特征进行提取和融合，通过迭代更新邻居节点的信息，能够准确捕捉变电站和储能站之间的依赖关系，充分利用变电站和储能站的互补特性，实现电力资源的整体最优配置，提升对整个电力系统的全局优化效果。
30、(2)在本技术方案中，措施综合优化模型综合考虑了变电站和储能站的时序特征和初步调度措施，通过特征融合层得到综合特征表示，确保了调度决策的全面性和科学性。进而，强化学习层根据电力系统的整体收益经济效益、稳定性和效率，通过策略更新选择最优的负荷平衡措施和充放电操作措施，不仅保证了电力供应的可靠性，还最大化了经济效益，显著降低了运营成本。
31、(3)采用时序预测模型对储能站的充放电操作进行预测，并结合天气预报信息，灵活调整储能站的充放电计划，使得系统能够更好地适应负荷变化和外部环境变化，提供系统所预测的初步充放电操作措施的灵活性和适应性。变电站调度优化模型采用多目标优化模型，通过同时考虑多个目标来输出初步负荷平衡措施，可以有效避免出现负荷平衡措施不合理的情况。
32、通过本技术方案，将变电站和储能站进行综合调度分析，采用多目标优化、时序预测、图神经网络和强化学习等技术手段，显著提升了电力系统资源供给的高效性、可靠性和经济性，并具备较强的灵活性和适应性，满足了现代电力系统的调度需求。
1.一种用于优化区域电力资源供给的数据分析方法，包括：
2.根据权利要求1所述的方法，其中，所述变电站调度优化模型采用增强型粒子群优化pso算法，并用于通过以下方式来确定负荷平衡措施：
3.根据权利要求1所述的方法，其中，所述储能站调度优化模型包含级联的输入层、卷积层、lstm层、注意力层和输出层；
4.根据权利要求3所述的方法，其中，所述储能站调度优化模型的损失函数l为：
5.一种用于优化区域电力资源供给的数据分析系统，包括：
