本申请涉及一种配电网运行场景确定方法、装置、计算机设备和存储介质。该方法包括获取目标配电网的指定场景类别标签；将指定场景类别标签输入至预设的场景生成网络中，得到目标配电网的运行场景；其中，场景生成网络是根据目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。采用本方法能够解决现有技术中传统的对抗生成网络随机生成、可解释性弱以及收敛性差的缺陷，实现特定指标类别的配电网运行场景的生成。的生成。的生成。
【技术实现步骤摘要】
配电网运行场景确定方法、装置、计算机设备和存储介质
[0001]本申请涉及配电网
，特别是涉及一种配电网运行场景确定方法、装置、计算机设备和存储介质。
技术介绍
[0002]在电力系统中，配电网是重要的末端环节，直接面向各类用户供给电能。在应用时，需要基于确定出配电网的运行场景对配电网的运行进行控制。
[0003]然而，随着新型电力系统的发展，新能源的占比不断升高，导致配电网运行控制过程中蕴含着很强的不确定性，例如，天气的动态和时变特点、非线性的能量转换过程、以及复杂的时空相关性等。在现有的相关技术中，通常是通过配电网自动化运行和人工智能技术，对配电网进行分析和决策来确定配电网的运行场景。但是，相关技术中确定配电网的运行场景的方式无法确定出满足特定指标类别的配电网运行场景。
[0004]基于此，实现配电网的功率平衡与安全运行并保证用户的供电可靠性和电能质量存在很大困难。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够确定配电网运行场景的确定方法、装置、计算机设备和存储介质。
[0006]第一方面，本申请实施例提供一种配电网运行场景确定方法，该方法包括：
[0007]获取目标配电网的指定场景类别标签；
[0008]将指定场景类别标签输入至预设的场景生成网络中，得到目标配电网的运行场景；其中，场景生成网络是根据目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。
[0009]在其中一个实施例中，场景生成网络包括生成器网络、编码器网络和判别器网络，生成器网络、编码器网络和判别器网络中均包括引入了位置编码的预设数量的自注意力网络层。
[0010]在其中一个实施例中，场景生成网络的构建过程，包括：
[0011]获取多个样本配电网的样本场景类别标签；
[0012]通过多个样本配电网的样本场景类别标签对初始场景生成网络进行训练，直至初始场景生成网络输出的测试运行场景满足预设的收敛条件，确定初始场景生成网络训练完成，得到场景生成网络。
[0013]在其中一个实施例中，获取多个样本配电网的样本场景类别标签，包括：
[0014]获取各样本配电网运行的边界条件；边界条件包括风电出力、光伏出力以及负荷出力；
[0015]根据边界条件，获取各样本配电网的状态量数据；
[0016]根据各样本配电网的状态量数据，获取各状态量数据相对应的场景类别标签，得
到多个样本配电网的样本场景类别标签。
[0017]在其中一个实施例中，初始场景生成网络包括初始生成器网络和初始编码器网络；
[0018]通过多个样本配电网的样本场景类别标签对初始场景生成网络进行训练，直至初始场景生成网络输出的测试运行场景满足预设的收敛条件包括：
[0019]将各样本场景类别标签和各样本配电网运行数据的随机噪声输入至初始生成器网络中，得到初始生成器网络输出的样本标签；
[0020]将样本标签和各样本场景类别标签输入至初始编码器网络中，得到初始编码器网络输出的标签特征数据；不同的标签特征数据表示不同的测试运行场景；
[0021]将样本标签、各样本场景类别标签以及各标签特征数据输入至初始判别器网络中，得到标签量化值，根据标签量化值确定调整生成器网络的网络参数，直至标签特征数据对应的测试运行场景满足收敛条件。
[0022]在其中一个实施例中，根据初始场景生成网络输出的测试运行场景满足预设的收敛条件，包括：
[0023]测试运行场景与对应样本场景类别标签的标准运行场景之间的误差小于预设误差值；或者；
[0024]对测试运行场景进行准确度评估，得到的准确度评估值大于预设准确度阈值。
[0025]在其中一个实施例中，对测试运行场景进行准确度评估，包括：
[0026]通过预设的真实性指标、多样性指标、准确性指标以及空间分布指标，对测试运行场景进行准确度评估，得到准确度评估值。
[0027]第二方面，本申请实施例提供一种配电网运行场景确定装置，该装置包括：
[0028]标签获取模块，用于获取目标配电网的指定场景类别标签；
[0029]场景生成模块，用于将指定场景类别标签输入至预设的场景生成网络中，得到目标配电网的运行场景；其中，场景生成网络是根据目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。
[0030]第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，处理器执行该计算机程序时实现以下步骤：
[0031]获取目标配电网的指定场景类别标签；
[0032]将指定场景类别标签输入至预设的场景生成网络中，得到目标配电网的运行场景；其中，场景生成网络是根据目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。
[0033]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0034]获取目标配电网的指定场景类别标签；
[0035]将指定场景类别标签输入至预设的场景生成网络中，得到目标配电网的运行场景；其中，场景生成网络是根据目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。
[0036]上述配电网运行场景确定方法、装置、计算机设备和存储介质，通过确定目标配电网运行场景的场景类别标签，并将该场景类别标签输入至预先训练好的场景生成网络中，
以得到想要的目标配电网运行场景。该方法解决了传统的生成式对抗网络随机生成、可解释性弱以及收敛性差的问题，并充分考虑了配电网运行场景时序性特征，生成了满足特定指标类别的配电网运行场景。
附图说明
[0037]图1为一个实施例中配电网运行场景确定方法的应用环境图；
[0038]图2为一个实施例中配电网运行场景确定方法的流程示意图；
[0039]图3为一个实施例中场景生成网络的结构框图；
[0040]图4为另一个实施例中构建场景生成网络的流程示意图；
[0041]图5为另一个实施例中获取多个样本配电网的样本场景类别标签的流程示意图；
[0042]图6为另一个实施例中对初始场景生成网络进行训练的流程示意图；
[0043]图7为一个实施例中场景生成网络中初始生成器网络的结构示意图；
[0044]图8为一个实施例中场景生成网络中初始编码器网络的结构示意图；
[0045]图9为一个实施例中场景生成网络中初始判别器网络的结构示意图；
[0046]图10为一个实施例中配电网运行场景确定装置的结构框图；
[0047]图11为一个实施例中标签获取模块的结构框图；
[0048]图12为一个实施例中计算机设备的内部结构图。
具体实施方式
[0049本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种配电网运行场景确定方法，其特征在于，所述方法包括：获取目标配电网的指定场景类别标签；将所述指定场景类别标签输入至预设的场景生成网络中，得到所述目标配电网的运行场景；其中，所述场景生成网络是根据所述目标配电网运行场景的时序性特征对生成式对抗网络的输入数据和网络结构进行调整后训练得到的。2.根据权利要求1所述的方法，其特征在于，所述场景生成网络包括生成器网络、编码器网络和判别器网络，所述生成器网络、所述编码器网络和所述判别器网络中均包括引入了位置编码的预设数量的自注意力网络层。3.根据权利要求1或2所述的方法，其特征在于，所述场景生成网络的构建过程包括：获取多个样本配电网的样本场景类别标签；通过所述多个样本配电网的样本场景类别标签对初始场景生成网络进行训练，直至所述初始场景生成网络输出的测试运行场景满足预设的收敛条件，确定所述初始场景生成网络训练完成，得到所述场景生成网络。4.根据权利要求3所述的方法，其特征在于，所述获取多个样本配电网的样本场景类别标签，包括：获取各所述样本配电网运行的边界条件；所述边界条件包括风电出力、光伏出力以及负荷出力；根据所述边界条件，获取各所述样本配电网的状态量数据；根据各所述样本配电网的状态量数据，获取各所述状态量数据相对应的场景类别标签，得到所述多个样本配电网的样本场景类别标签。5.根据权利要求3所属的方法，其特征在于，所述初始场景生成网络包括初始生成器网络和初始编码器网络；所述通过所述多个样本配电网的样本场景类别标签对初始场景生成网络进行训练，直至所述初始场景生成网络输出的测试运行场景满足预设的收敛条件包括：将各所述样本场景类别标签和各所述样本配电网运行数据的随机噪声输入至所述初始生成器网络中，得到所...
【专利技术属性】
技术研发人员：田启东，黄光磊，杨宇翔，李俊，戚思睿，胡明曜，
申请(专利权)人：深圳供电局有限公司，
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。