【技术实现步骤摘要】
一种基于条件生成式对抗网络的光伏出力区间预测方法
[0001]本专利技术涉及电气工程领域,特别涉及一种基于条件生成式对抗网络的光伏出力区间预测方法。
技术介绍
[0002]近年来,全球范围内能源转型趋势明显。作为最具前景的可再生能源利用形式之一,光伏发电在电力系统中的渗透率不断提高。然而,受太阳光照、云层、湿度等多种气象因素影响,光伏出力具有很大的间歇性和不确定性。当光伏发电设备规模化并网后,光伏出力的不确定性将严重威胁电网的稳定性和安全性。因此,准确的光伏出力预测是电网调度部门的重要决策依据,可保证其未雨绸缪,提前调配储能资源和备用机组,以保障电网的安全经济运行水平。
[0003]目前,大多数的光伏出力预测方法是点预测,这类方法得到的预测结果一般是确定性的出力值预测,欠缺对光伏出力不确定性的考虑。因此提供给调度部门关于光伏出力可能的变化信息较少,难以表达预测结果的概率可信度。因此,针对点预测的不足,现有研究多围绕光伏出力开展区间预测。相比于点预测,区间预测能够量化光伏出力的不确定性波动,为光伏并网提供更多有价值的决策信息。
技术实现思路
[0004]针对上述技术问题,本专利技术提供一种基于条件生成式对抗网络的光伏出力区间预测方法。
[0005]其技术方案为,包括,
[0006]S1、对光伏出力实测数据预处理,确定预测的时间步长h和数据切片的滑动窗口长度s,得到每组数据的条件标签c和真实样本x;
[0007]S2、搭建生成器框架和判别器框架;
[0008]S3、 ...
【技术保护点】
【技术特征摘要】
1.一种基于条件生成式对抗网络的光伏出力区间预测方法,其特征在于,包括,S1、对光伏出力实测数据预处理,确定预测的时间步长h和数据切片的滑动窗口长度s,得到每组数据的条件标签c和真实样本x;S2、搭建生成器框架和判别器框架;S3、训练条件生成式对抗网络;S4、训练结束时提取出生成器,采样M个噪声向量z,分别和条件标签c拼接输入到生成器,得到M个光伏出力预测场景;S5、采用Bootstrap法对S4中的预测场景重采样;S6、用区间估计的方法,在给定置信度下计算这些预测场景的置信区间,即得到区间预测的结果。2.根据权利要求1所述的基于条件生成式对抗网络的光伏出力区间预测方法,其特征在于,所述S1中对光伏出力实测数据预处理,具体为,确定预测的时间步长h,以长度为s的滑动窗口划分数据集;每组数据中历史数据部分{x0,x1,
…
,x
t
}作为条件标签c,而待预测部分作为真实样本x。3.根据权利要求2所述的基于条件生成式对抗网络的光伏出力区间预测方法,其特征在于,所述S2搭建生成器框架和判别器框架,具体为,生成器网络包括一层全连接层和三层2D
‑
conv层,除输出层以外的每一层后面均添加批归一化层,激活函数均采用LeakyReLU;判别器网络与生成器对称,包括三层2D
‑
conv层和一层全连接层,除输出层以外的每一层后面均添加批归一化层,隐藏层采用LeakyReLU激活函数,而输出层不添加激活函数。4.根据权利要求3所述的基于条件生成式对抗网络的光伏出力区间预测方法,其特征在于,所述S3训练生成式对抗网络,具体为,采用基于Wasserstein距离的损失函数来指导生成器和判别器的训练过程,所述生成器和判别器均按照使其损失函数最小进行训练;采用每更新判别器网络参数4
‑
5次,更新1次生成器网络参数的交替训练方式,训练结束时判别器和生成器达到纳什均衡,生成器学习到历史测量数据与预测光伏出力间的映射关系,从而能在给定历史数据下生成符合光伏出力规律的数据。5.根据权利要求4所述的基于条件生成式对抗网络的光伏出力区间预测方法,其特征在于,所述S4中,噪声向量z从均值为0、标准差为1的高斯分布中采样得到,采样M次即可得到M个噪声向量,每个噪声向量和条件标签横向拼接后输入到生成器,得到M个光伏出力预测场景。6.根据权利要求5所述的基于条件生成式对抗网络的光伏出力区间...
【专利技术属性】
技术研发人员:孙东,李炜,盛庆博,郑炜博,严川,董伟佳,李云飞,王晓东,刘绍鹏,梁卫平,
申请(专利权)人:中国石油化工股份有限公司胜利油田分公司技术检测中心胜利油田检测评价研究有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。