一种基于生成对抗网络的基线负荷估计方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115906660A(43)申请公布日2023.04.04(21)申请号202211638693.8G06N3/08(2023.01)(22)申请日2022.12.19H02J3/00(2006.01)(71)申请人南方电网科学研究院有限责任公司地址510663广东省广州市萝岗区科学城科翔路11号J1栋3、4、5楼及J3栋3楼申请人贵州电网有限责任公司(72)发明人喻磊谈竹奎刘通王扬林心昊蔡永翔刘胤良肖小兵段舒尹白浩史训涛徐敏(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师肖茹芸(51)Int.Cl.G06F30/27(2020.01)G06N3/0442(2023.01)权利要求书4页说明书10页附图3页(54)发明名称一种基于生成对抗网络的基线负荷估计方法和装置(57)摘要本发明公开了一种基于生成对抗网络的基线负荷估计方法和装置，用于电力系统，所述电力系统包括多个用户终端。所述方法包括通过构建并训练包括第一生成模型和判别模型的生成对抗网络，得到第二生成模型，将需要估计基线负荷的用户终端的负荷序列输入至第二生成模型，使用输出的估计序列替换负荷序列中需求响应时段对应的负荷数据，即可得到估计的基线负荷序列。本发明中利用了生成对抗网络，考虑了时序上的负荷数据之间的关联，提高了基线负荷估计结果的可靠性，且仅需要用户终端自己的负荷数据就可以进行基线负荷估计，不需要依靠其他用户的负荷数据或其它非负荷类型数据，提高了在实际应用中的鲁棒性。CN115906660ACN115906660A权利要求书1/4页1.一种基于生成对抗网络的基线负荷估计方法，其特征在于，用于电力系统，所述电力系统包括多个用户终端，所述方法包括：响应模型训练请求，采用双向门控循环单元和多层感知器构建生成对抗网络；其中，所述生成对抗网络包括第一生成模型和判别模型；获取全部所述用户终端未参与需求响应的历史负荷数据，构建样本序列组，结合预设的事件池计算模拟序列组；基于所述样本序列组和所述模拟序列组，训练所述第一生成模型和所述判别模型，得到第二生成模型；当接收到所述电力系统的基线负荷估计请求时，从所述基线负荷估计请求中提取需求响应时段，获取所述基线负荷估计请求对应的实际负荷数据，构建负荷序列；将所述负荷序列输入至所述第二生成模型，输出估计序列；采用所述估计序列中所述需求响应时段对应的估计数据，替换所述负荷序列中所述需求响应时段对应的负荷数据，得到基线负荷序列。2.根据权利要求1所述的基于生成对抗网络的基线负荷估计方法，其特征在于，所述事件池包括根据历史需求响应事件得到的多条记录，所述记录包括用户终端类型、时刻点和相应的负荷改变比例；所述获取全部所述用户终端未参与需求响应的历史负荷数据，构建样本序列组，结合所述事件池计算模拟序列组包括：获取多个所述用户终端多日未参与需求响应的历史负荷数据，按照预设时刻点提取历史负荷值，分别构建元素个数为所述预设时刻点的个数的样本序列，组成样本序列数量为所述用户终端的数量与天数的乘积的样本序列组；根据预设的需求响应历史时段集，从每个所述样本序列中选取部分元素作为目标元素；从所述事件池中分别提取与每个所述目标元素对应的用户终端类型相同且时刻点相同的记录并从中随机抽取预设数量作为目标记录，根据所述目标记录计算每个所述目标元素对应的平均负荷改变比例；根据所述平均负荷改变比例，计算每个所述目标元素对应的模拟值，将所述目标元素替换为对应的所述模拟值，得到所述模拟序列组。3.根据权利要求2所述的基于生成对抗网络的基线负荷估计方法，其特征在于，根据预设的需求响应历史时段集，从每个所述样本序列中选取部分元素作为目标元素，包括：随机为每个所述样本序列匹配所述需求响应历史时段集中的一个历史时段；选取所述样本序列中与所述历史时段的对应的元素作为目标元素。4.根据权利要求2所述的基于生成对抗网络的基线负荷估计方法，其特征在于，所述模拟值的计算公式为：x′＝x·(1‑p)+η其中，x为所述目标元素，p为所述目标元素对应的平均负荷改变比例，x′为所述模拟值，η为随机高斯噪声。5.根据权利要求1所述的基于生成对抗网络的基线负荷估计方法，其特征在于，所述判别模型输出的分数为输入数据的数据真实概率；2CN115906660A权利要求书2/4页所述基于所述样本序列组和所述模拟序列组，训练所述第一生成模型和所述判别模型，得到第二生成模型，包括：从所述模拟序列组中随机抽取一条目标模拟序列输入至所述第一生成模型，输出虚假序列；计算所述虚假序列与所述目标模拟序列对应的目标样本序列之间的随机序列；将所述虚假序列输入至所述判别模型，输出第一判别分数；将所述目标样本序列输入至所述判别模型，输出第二判别分数；将所述随