基于条件生成对抗网络的风机出力场景生成和缩减方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115828441A(43)申请公布日2023.03.21(21)申请号202210808212.7(51)Int.Cl.(22)申请日2022.07.10G06F30/17(2020.01)G06F30/27(2020.01)(71)申请人华北电力大学G06F18/23(2023.01)地址102206北京市昌平区朱辛庄北农路2G06F18/214(2023.01)号G06N3/0475(2023.01)申请人华能集团技术创新中心有限公司G06N3/08(2023.01)国网综合能源服务集团有限公司G06F111/04(2020.01)国网江苏省电力有限公司苏州供电G06F111/08(2020.01)分公司G06F113/06(2020.01)(72)发明人房方石鑫温港成任鑫王华G06F119/10(2020.01)廖双乐周游景栋盛(74)专利代理机构北京君有知识产权代理事务所(普通合伙)11630专利代理师焦丽雅权利要求书3页说明书6页附图2页(54)发明名称基于条件生成对抗网络的风机出力场景生成和缩减方法(57)摘要基于条件生成对抗网络的风机出力场景生成和缩减方法，包括如下步骤：随机初始化生成器网络参数，从正态高斯分布中提取随机噪声，将噪声批量输入生成器网络，生成器生成样本；随机初始化鉴别器网络参数，归一化处理真实样本，将生成样本和真实样本批量输入鉴别器网络，鉴别器输出判别值；计算生成器与鉴别器的损失函数，采用RMSprop优化算法更新生成器与鉴别器的权重参数；若训练未结束，即损失函数未收敛，则返回下一轮训练；当训练次数达到给定次数时或损失函数收敛，停止训练并保存生成器网络最优的参数；输入随机噪声，生成器输出风机出力场景；为提高计算速度，采取同步回代场景缩减方法生成具有时空相关性的各工业园区风机出力场景。CN115828441ACN115828441A权利要求书1/3页1.基于条件生成对抗网络的风机出力场景生成和缩减方法，其特征为：包括如下步骤：步骤1：随机初始化生成器网络参数，从正态高斯分布中提取随机噪声，将噪声批量输入生成器网络，生成器生成样本；步骤2：随机初始化鉴别器网络参数，归一化处理真实样本，将生成样本和真实样本批量输入鉴别器网络，鉴别器输出判别值；步骤3：计算生成器与鉴别器的损失函数，采用RMSprop优化算法更新生成器与鉴别器的权重参数；若训练未结束，即损失函数未收敛，则返回步骤1进行下一轮训练；步骤4：当训练次数达到给定次数时或损失函数收敛，停止训练并保存生成器网络最优的参数；输入随机噪声，生成器输出风机出力场景；步骤5：为提高计算速度，采取同步回代场景缩减方法生成典型具有时空相关性的各工业园区风机出力场景。2.根据权利要求1所述的基于条件生成对抗网络的风机出力场景生成和缩减方法，其特征为：生成器：在训练过程中，生成器获取随机噪声以及温度、适度、风速条件值作为输入，输出为生成样本即场景，设为G(z，θ(G))，生成分布PG，生成器的目标是尽可能输出遵循真实分布Pr的场景；鉴别器：鉴别器和生成器同时进行训练，鉴别器的输入来自真实样本和生成器的输出，输出值Preal反映输入样本属于真实样本的程度；(D)Preal＝D(x；θ)其中x代表鉴别器的输入，鉴别器的目标是尽可能区分真实分布Pr与生成分布Pz。3.根据权利要求1所述的基于条件生成对抗网络的风机出力场景生成和缩减方法，其特征为：所述步骤3进一步包括如下内容，应用沃瑟斯坦Wasserstein距离作为鉴别器的损失函数，Wasserstein距离W(Pr，PG)直接衡量真实分布与生成分布之间的差异，其中Pr为真实分布，PG为生成分布，x代表鉴别器的负荷数据输入，sup代表最小上界，生成样本输出即场景设为G，随机噪声z的分布为Pz，鉴别器网络为D，E表示对应分布的期望值；x1和x2为两种出力历史时序数据，应用Wasserstein距离作为衡量分布差异的指标要求鉴别器网络满足Lipschitz约束；其中G(z)’，G(z)”为生成域样本处的采样点，d代表在输入空间上的度量，D_(·)代表鉴别器的倒数第二层，M′是一个有界常数；综上，网络模型的总损失函数为：4.根据权利要求1所述的基于条件生成对抗网络的风机出力场景生成和缩减方法，其特征为：所述步骤4进一步包括如下内容：出力场景生成过程形成了大量的离散化场景来近似风电机组出力过程，但在概率测度P下的场景集过于庞大，因此引入场景缩减概念，采用一个仅含有少数场景组成的概率测度Q，来近似P下的场景，获取最佳简化场景集即为场景缩减过程；采用同步回代缩减方法，是通过迭代的方法在每一步中缩减一个场景，同时改变2CN115828441A权利要求书2/3页其他场景的