基于改进域对抗网络的新能源场站风光时序功率生成方法技术

本发明专利技术公开了一种基于改进域对抗网络的新能源场站风光时序功率生成方法和系统

【技术实现步骤摘要】
基于改进域对抗网络的新能源场站风光时序功率生成方法


[0001]本专利技术涉及新能源
，特别涉及一种基于改进域对抗网络的新能源场站风光时序功率生成方法和系统
。

技术介绍

[0002]为有效应对能源危机与气候变化问题，我国提出了大力发展新能源的重点任务，全面推进风电
、
光伏发电大规模开发和高质量发展，加快建设风电和光伏发电基地
。
但是风电
、
光伏新能源非常依赖气象条件，其发电功率具有随机性和波动性，大规模并网给新型电力系统规划运行带来诸多挑战，如何准确刻画风光时序功率曲线成为解决这些难题首要的关键一步
。
[0003]现有针对风光时序功率曲线的研究，从建模的角度大致分为两类：一类是机理驱动，即基于风光发电的基本原理给出物理公式，输入风速
、
辐射等关键气象信息，借由上述公式得到发电输出功率，采用机理驱动间接模拟的发电功率往往过于理想，与实际场站输出功率存在一定偏差，难以考虑到多种气象因素综合影响下复杂极端的发电场景
。
另一类是数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进域对抗网络的新能源场站风光时序功率生成方法，其特征在于：所述改进域对抗网络包括：特征提取器和风光生成器；所述方法包括以下步骤：将源域和目标域的风光功率数据进行归一化处理；将归一化之后的数据用于后续的训练；使用归一化之后的数据训练特征提取器；特征提取器由通道注意机制模块和非线性模块组成；训练过程中使用最大均值差异作为损失函数；在特征提取器中，添加通道注意机制模块；通道注意机制模块通过学习通道权重的动态
、
非线性依赖关系来调整通道的重要性；使用通过通道注意机制得到的特征表示和将源域和目标域的风光功率数据训练风光生成器；风光生成器采用双向长短期记忆网络，用于对风光功率与其他变量之间的时序关系进行建模；训练过程中使用均方误差作为损失函数；使用特征提取器提取的特征表示和将源域和目标域的风光功率数据训练领域判别器；领域判别器采用全连接层组成的网络结构，用于区分源域和目标域的特征；训练过程中使用交叉熵损失函数来衡量领域判别器的分类性能；通过输入目标域的风光功率数据和特征提取器提取的特征表示，结合风光生成器，生成目标域的风光时序功率
。2.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：在数据预处理中，将正常运行的风电光伏场站历史气象观测数据和同时段对应的风光发电功率数据视为有标签的源域
D
S
，将新建风电光伏场站的区域气象数据作为无标签的目标域
D
T
；即给定了一个样本数为
N
S
，包含历史气象数据
x
s
和功率数据
y
s
的源域，和一个样本数为
N
T
，仅含沙戈荒气象数据
x
t
的目标域；的目标域；
3.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：所述通道注意机制模块由两个全连接层组成，第一个全连接层降维并使用
ReLU
激活函数，第二个全连接层将降维后的权重因子维度恢复到原始维度；归一化后的权重因子与输入量相乘，计算通道最后的特征表示
。4.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：风光生成器对提取特征进行非线性映射，同时生成风电光伏功率曲线与真实功率曲线比较修正，采用均方误差损失函数：其中
L
s
为风光生成器的损失函数，
θ
f
,
θ
s
分别为特征提取器和风光生成器的网络参数，为源域生成风光功率，
y
s
为源域真实风光功率
。5.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：领域判别器是一个二分类器，用于区分输入特征属于源域或者目标域，输出判别值与域分类标签计算交叉熵损失函数：
其中
L
d
为领域判别器的损失函数，
θ
f
,
θ
d
分别为特征提取器和领域判别器的网络参数，表示领域判别器输出的判别值，表示源域标签，为全0向量；表示目标域标签，为全1向量
。6.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：在特征提取器的训练中，增加最大均值差异用来度量特征空间中源域和目标域特征分布相似性，并将其作为一项表示所提取特征融合效果的损失函数：其中
L
m
为最大均值差异损失函数，
θ
f
为特征提取器网络参数，
F
s
、F
t
分别表示从源域和目标域所提取的高维同构特征向量；
φ
(
·
)
表示把特征向量映射到再生核希尔伯特空间
RKHS
；平方展开后，将
RKHS
内积转换成核函数
k(
·
,
·
)。7.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：改进域对抗网络总优化目标由三项构成，公式如下：其中
L
为改进域对抗网络模型损失函数，
λ
m
,
λ
d
为损失函数平衡权重系数，设置如下：为损失函数平衡权重系数，设置如下：式中
γ
为系数，取常数
10
；
k
表示模型训练进程，是模型当下训练次数与完整训练次数的比值，
k∈(0,1]
；整个训练过程中
λ
m
在1处初始化并逐渐减小，
λ
d
从0开始不断变大最终到
1。8.
根据权利要求1所述的新能源场站风光时序功率生成方法，其特征在于：特征提取器由通道注意机制模块和非线性模块组成；通道注意机制聚焦于气象要素特征维度，用表示输入量，
H,W,C
表示输入量维度；通道注意机制需要进行两步操作：第一步是挤压，通过全局平均池化将空间维度
H
×
W
全局信息压缩到通道响应中，获得
具有全局特征的通道输出
z
；其中
z
c
为经过挤压的输出值，
F
sq
表示挤压操作；第二步，激励，学习通道间动态
、
非线性依赖关系，输出通道权重
s
；搭建两个全连接层，第一个全连接层进行降维，选取
ReLU
作为对应的激活函数；第二个全连接层将降低的权重因子维度恢复到原始维度，如下式：其中
s<...

【专利技术属性】
技术研发人员：孙英云，任佳星，刘栋，秦继朔，但扬清，郭国栋，于昊洋，孙飞飞，张柯欣，李凡，陈晴悦，梁涵卿，沈志恒，
申请(专利权)人：国网经济技术研究院有限公司国网浙江省电力有限公司经济技术研究院国网浙江省电力有限公司，
类型：发明
国别省市：