间歇性分布式电源在复杂运行场景下的出力建模方法技术

本发明专利技术提供一种间歇性分布式电源在复杂运行场景下的出力建模方法、装置、电子设备及介质，包括：获取间歇性分布式电源的第一数据，第一数据用于表征历史实测数据、噪声数据及类别标签中的至少一种；将第一数据通过深度神经生成对抗网络执行处理，得到第一数据的出力曲线；对出力曲线采用混合高斯模型确定其上限和下限；根据出力曲线及出力曲线的上限和下限调整深度神经生成对抗网络的配置，得到出力数据模拟。在生成对抗网络结构上采用了深度生成对抗网络DGAN，提升GAN特征判别能力；在生成对抗网络训练时加入了类别标签，提升训练效果；通过结合高斯混合模型GMM计算每一个类别标签对应的出力的上下限，提高了配电网模拟运行的精度。度。度。

【技术实现步骤摘要】
间歇性分布式电源在复杂运行场景下的出力建模方法


[0001]本专利技术涉及配电及计算机
，尤其涉及一种间歇性分布式电源在复杂运行场景下的出力建模方法、装置、电子设备及介质。

技术介绍

[0002]为了提升配电系统和配电设备的容灾能力和可靠性水平，需要模拟配电网复杂运行场景。然而受制于建模复杂度约束，常规仿真模型中往往忽略了环境因素影响和多设备运行动态的相关性，从而无法准确地描述复杂运行场景下系统自组织临界特性和连锁反应机制，影响了系统态势评估和预测准确性，削弱了故障机理分析和推理的全面性。为此本专利提出基于对抗生成网络的配电网运行复杂场景生成的方法，通过对分布式电源不确定性的模拟，形成知识完备的配电网运行场景集合，支撑配电网态势预测和推演应用。复杂场景仿真的一块重要因素为间歇性分布式电源(distributed generation，DG，如风力发电和光伏电池)的输出功率受气候环境影响很大，具有明显的不确定性、随机性以及波动性，会影响电力系统的正常运行。
[0003]对间歇性分布式电源的运行场景的精确模拟进行了不少研究，取得了许多理论和实践方面的成果，有研究者以供电公司的总成本最小为优化目标，给出了市场条件下间歇性分布式电源复杂场景的出力数据模拟模型，并采用启发式方法求解；有研究者以最大化有功输出为目标函数，将间歇性分布式电源的出力、线路的热稳定极限等作为约束，形成数学模型，然后利用线性规划方法求解该模型；有研究者针对风电机组出力的随机性以及负荷的不确定性，将机会约束规划应用于DWG的复杂场景的出力数据模拟中，采用随机潮流判断规划方案是否违反节点电压约束和支路功率传输约束；有研究者提出等效网损微增率的概念，并采用该概念指标计算得到的间歇性分布式电源的最优配置位置，能确保间歇性分布式电源接入配电网后系统的网损最小，且同时考虑评价间歇性分布式电源效益的电压、网损和环境效益3个指标，将间歇性分布式电源复杂场景的出力数据模拟转化为一个多目标非线性规划问题。
[0004]现有技术存在间歇性分布式电源出力的不确定性进行建模方法中，概率建模方法需要准确描述不确定性因素，而实际工程仅能获取部分统计信息，很难得到精准的概率分布，且其忽略了间歇性分布式电源出力的时序特性；鲁棒优化方法过于保守，不能较好地平衡规划方案的经济性与安全性；传统的人工智能方法场景生成技术较难捕捉到高维数据的非线性特征，存在一定局限性，还可能偏离实际场景。目前建模方法没有考虑任何先验信息，导致生成对抗网络训练方向易丧失，训练效果差且不稳定。

技术实现思路

[0005]本专利技术实施例的主要目的在于提出一种间歇性分布式电源在复杂运行场景下的出力建模方法、装置、电子设备及介质，提高了包括有间歇性分布式电源出力的配电网模拟运行的精度。
[0006]本专利技术的一方面提供了一种间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，包括：
[0007]响应于建模请求，获取间歇性分布式电源的第一数据，所述第一数据用于表征历史实测数据、噪声数据及类别标签中的至少一种；
[0008]将所述第一数据通过深度神经生成对抗网络执行处理，得到所述第一数据的出力曲线；
[0009]对所述出力曲线采用混合高斯模型确定其上限和下限；
[0010]根据所述出力曲线及所述出力曲线的上限和下限调整所述深度神经生成对抗网络的配置，得到出力数据模拟。
[0011]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中第一数据包括：
[0012]所述类别标签数据为所述历史实测数据按场景分类时产生的标签信息；
[0013]每条所述历史实测数据具有对应的所述类别标签数据，所述类别标签数据的场景包括时间、地点、机组标识号及分布式电源的特性数据中的至少一种。
[0014]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中深度神经生成对抗网络包括：
[0015]创建基于生成对抗网络的极大极小化博弈模型，所述生成对抗网络包括生成器及判别器；
[0016]在所述生成器设置上采样神经网络，在所述判别器设置下采样神经网络；
[0017]对所述生成对抗网络执行训练，得到所述深度神经生成对抗网络；
[0018]其中极大极小化博弈模型为：
[0019][0020]其中，E代表期望值，D[G(z)]为生成的数据G(z)在D中被判别为真的概率，D(x)代表真实数据x在D中被判别为真的概率，噪声数据z的分布为z～Pz，Px为数据x的真实分布，D为判别器，G为生成器。
[0021]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中将所述第一数据通过深度神经生成对抗网络执行处理，得到所述第一数据的出力曲线，包括：
[0022]将所述类别标签分别输入至所述生成器及判别器；
[0023]通过所述生成器对所述噪声数据进行标幺化处理，利用标幺化处理后的所述噪声数据构建噪声数据向量，在所述噪声数据向量中插入所述类别标签，形成生成器跨域向量，将生成器跨域向量输入生成器，得到生成数据；
[0024]通过判别器对所述历史实测数据进行标幺化处理，利用标幺化处理后的历史实测数据构建实测数据向量，在所述实测数据向量中与所述类别标签拼接,形成判别器跨域向量，将判别器跨域向量和所述生成数据输入到判别器进行处理，得到所述出力曲线。
[0025]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中对所述出力曲线采用混合高斯模型确定其上限和下限，包括：
[0026]使用所述深度神经生成对抗网络生成多个所述出力曲线，将多个所述出力曲线通过结合高斯混合模型进行聚类，生成多个曲出力线集；
[0027]根据所述曲出力线集选取其中所包括的最大出力曲线上限和下限。
[0028]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中将多个所述出力曲线通过结合高斯混合模型进行聚类，生成多个曲出力线集，包括：
[0029]通过多个高斯函数的组合逼近任一连续的概率分布，其概率分布函数为：
[0030][0031][0032][0033]其中，α
s
代表第s个高斯分模型的权重，M为高斯分模型数量，为高斯混合模型的参数，μ
s
为均值，代表方差。
[0034]根据所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其中根据所述出力曲线及所述出力曲线的上限和下限调整所述深度神经生成对抗网络的配置，得到出力数据模拟，包括：
[0035]通过结合高斯混合模型计算每一个类别标签对应的最大出力曲线上限和下限，通过结合所述出力曲线和出力的上限及下限来进行间歇性分布式电源复杂场景的出力数据模拟。
[0036]本专利技术实施例的另一方面提供了一种间歇性分布式电源在复杂运行场景下的出力建模装置，包括：
[0037]数据采集模块，用于根据建模请求，获取间歇性分布式电源的第一数据，所述第一数据用于表征历史实测数据、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，包括：响应于建模请求，获取间歇性分布式电源的第一数据，所述第一数据用于表征历史实测数据、噪声数据及类别标签中的至少一种；将所述第一数据通过深度神经生成对抗网络执行处理，得到所述第一数据的出力曲线；对所述出力曲线采用混合高斯模型确定其上限和下限；根据所述出力曲线及所述出力曲线的上限和下限调整所述深度神经生成对抗网络的配置，得到出力数据模拟。2.根据权利要求1所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，所述第一数据包括：所述类别标签数据为所述历史实测数据按场景分类时产生的标签信息；每条所述历史实测数据具有对应的所述类别标签数据，所述类别标签数据的场景包括时间、地点、机组标识号及分布式电源的特性数据中的至少一种。3.根据权利要求1所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，所述深度神经生成对抗网络包括：创建基于生成对抗网络的极大极小化博弈模型，所述生成对抗网络包括生成器及判别器；在所述生成器设置上采样神经网络，在所述判别器设置下采样神经网络；对所述生成对抗网络执行训练，得到所述深度神经生成对抗网络；其中极大极小化博弈模型为：其中，E代表期望值，D[G(z)]为生成的数据G(z)在D中被判别为真的概率，D(x)代表真实数据x在D中被判别为真的概率，噪声数据z的分布为z～Pz，Px为数据x的真实分布，D为判别器，G为生成器。4.根据权利要求3所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，所述将所述第一数据通过深度神经生成对抗网络执行处理，得到所述第一数据的出力曲线，包括：将所述类别标签分别输入至所述生成器及判别器；通过所述生成器对所述噪声数据进行标幺化处理，利用标幺化处理后的所述噪声数据构建噪声数据向量，在所述噪声数据向量中插入所述类别标签，形成生成器跨域向量，将生成器跨域向量输入生成器，得到生成数据；通过判别器对所述历史实测数据进行标幺化处理，利用标幺化处理后的历史实测数据构建实测数据向量，在所述实测数据向量中与所述类别标签拼接,形成判别器跨域向量，将判别器跨域向量和所述生成数据输入到判别器进行处理，得到所述出力曲线。5.根据权利要求1所述的间歇性分布式电源在复杂运行场景下的出力建模方法，其特征在于，所述对所述出力曲线采...

【专利技术属性】
技术研发人员：张雁忠，杨峰，李坚，吴佳，刘珅，李平舟，韩兆刚，高全成，李振生，王晨，王巍，
申请(专利权)人：国家电网有限公司国网冀北电力有限公司国网智能电网研究院有限公司，
类型：发明
国别省市：