一种基于端到端损失函数的可再生能源功率曲线聚类方法技术

本发明专利技术公开了属于可再生能源发电技术领域的一种基于端到端损失函数的可再生能源功率曲线聚类方法。该方法包括步骤S1：处理样本数据；对原始曲线使用24小时长度的窗函数进行短时傅里叶变换，获取其关键时域信息与频域信息作为神经网络模型的输入特征；步骤S2：将步骤S1中的输入特征输入到神经网络模型中提取嵌入向量；步骤S3：利用步骤S2得到的嵌入向量计算端到端损失函数，训练神经网络模型；步骤S4：利用步骤S3训练完毕的神经网络模型得到最终嵌入向量，并利用此嵌入向量进行曲线聚类。本发明专利技术实现了对不同可再生能源功率曲线的聚类，有助于进行高比例可再生能源的电网规划、电力调度等工作。电力调度等工作。电力调度等工作。

【技术实现步骤摘要】
一种基于端到端损失函数的可再生能源功率曲线聚类方法


[0001]本专利技术涉及可再生能源发电
，尤其涉及一种基于端到端损失函数的可再生能源功率曲线聚类方法。

技术介绍

[0002]作为可再生和清洁能源的风能和光伏发电，其受环境因素影响很大，间歇性是可再生能源的内生特征。有效减少可再生能源间歇性带来的影响，已成为减少碳排放、优化电网运行结构的重要技术基础。随着可再生能源大规模并入电网，其间歇性带来的不稳定和随机特性会对电力系统的安全和稳定产生巨大的负面影响。通过对不同可再生能源进行聚类，可以有效削弱可再生能源的间歇性的影响，从而提高发电稳定性。因此，对间歇性可再生能源功率曲线进行准确聚类成为保障发电稳定性的关键。
[0003]目前对间歇性可再生能源功率曲线的聚类方法主要集中在传统层次聚类法等统计聚类方法。然而，可再生能源功率在各种尺度上受到很大的随机游走因素的影响，传统层次聚类法等统计聚类方法难以深度挖掘聚类特征，聚类效果并不好。有效的功率曲线聚类是进行可再生能源发电量的预测的基础，可以为含高比例可再生能源的电网调度运行提供更直接的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于端到端损失函数的可再生能源功率曲线聚类方法，其特征在于，所述方法包括以下步骤：步骤S1：处理样本数据；对原始曲线使用24小时长度的窗函数进行短时傅里叶变换，获取其关键时域信息与频域信息作为神经网络模型的输入特征；步骤S2：将步骤S1中的输入特征输入到神经网络模型中提取嵌入向量；步骤S3：利用步骤S2得到的嵌入向量计算端到端损失函数，训练神经网络模型；步骤S4：利用步骤S3训练完毕的神经网络模型得到最终嵌入向量，并利用此嵌入向量进行曲线聚类。2.根据权利要求1所述基于端到端损失函数的可再生能源功率曲线聚类方法，其特征在于，所述步骤S2中的神经网络模型具体为：t时刻的输入x
t
与t
‑
1时刻的输出h
t
‑1分别通过遗忘门得到输出f
t
，通过输入门得到输出g
t
和i
t
，通过输出门得到输出o
t
；f
t
、g
t
、i
t
与t
‑
1时刻的单元状态C
t
‑1进行合并更新输出t时刻的单元状态C
t
，o
t
与经tanh函数处理的单元状态C
t
相乘得到t时刻的神经网络单元输出h
t
。3.根据权利要求2所述基于端到端损失函数的可再生能源功率曲线聚类方法，其特征在于，f
t
、g
t
、i
t
、C
t
、o
t
、h
t
的计算公式分别如下：f
t
＝σ(W
f
[h
t
‑1，x
t
]+b
f
)g
t
＝σ(W
g
[h
t
‑1，x
t
]+b
g
)i
t
＝tanh(W
i
[h
t
‑1，x
t
]+b
i
)C
t
＝f
t<...

【专利技术属性】
技术研发人员：时雨，高雪峰，李昊，王鑫红，王鼎衡，刘元琦，宋磊，于温方，吕长会，姜明磊，姚忆雯，张圆美，王冬，邢文洋，佘新，许儒航，吕非，
申请(专利权)人：华北电力大学吉林省长春电力勘测设计院有限公司，
类型：发明
国别省市：