【技术实现步骤摘要】
本专利技术涉及电子信息，特别是一种电力负荷场景生成及预测方法。
技术介绍
1、电力负荷场景生成及预测是管理电力能源供需的重要手段，通过预测未来的电力需求，可以更好地规划必要的基础设施和资源，以满足预期需求。同时，气象条件，尤其是极端天气条件，如热浪、寒流和严重风暴，可能引发诸如空调使用量的增加等场景，从而导致电力需求激增。如果没有准确预测负荷，很可能会出现电网过载、停电和其他问题。结合各领域各技术的电力负荷场景生成及预测技术已经发展得较为完备，然而多数研究工作没有考虑到气象条件带来的影响。
技术实现思路
1、本专利技术所要解决的技术问题是克服现有技术的不足而提供一种电力负荷场景生成及预测方法，能够很好地学习历史气象条件与电力负荷的关系，并生成精确的电力负荷预测场景。
2、本专利技术为解决上述技术问题采用以下技术方案：
3、根据本专利技术提出的一种电力负荷场景生成及预测方法，包括以下步骤：
4、构建目标地区电力负荷与气象历史场景数据集；
5、构建wgan生成对抗网络深度学习模型；
6、构建改进的蜻蜓优化算法，改进的蜻蜓优化算法是在蜻蜓寻优算法的基础上加入变异与交叉两步，改进的蜻蜓优化算法包括分离、对齐、聚集、捕食、避敌、变异与交叉；
7、将所构建的电力负荷与气象历史场景数据集划分为训练集与验证集，使用训练集结合wgan生成对抗网络深度学习模型与改进的蜻蜓优化算法进行训练并使用验证集进行验证，得到训练完成的生成器模
8、作为本专利技术所述的一种电力负荷场景生成及预测方法进一步优化方案，构建目标地区电力负荷与气象历史场景数据集，具体方法如下：
9、目标地区电力负荷与气象历史场景数据集包括电力负荷数据与气象数据，电力负荷数据包括工业负荷、民用负荷和商用负荷，气象数据包括温度、风速、降雨和降雪指标；将将所构建的电力负荷与气象历史场景数据集划分为训练集与验证集，用于后续wgan生成对抗网络深度学习模型的训练与验证。
10、作为本专利技术所述的一种电力负荷场景生成及预测方法进一步优化方案，改进的蜻蜓优化算法包括分离、对齐、聚集、捕食、避敌、变异与交叉，其中，变异与交叉具体如下：
11、首先从任意三个不同的种群中分别随机选择三个不同的个体xh1、xh2、xh3，使用变异步骤得到变异向量：
12、ximp＝xh1+l×(xh2-xh3) (1)
13、其次，使用交叉步骤得到三个个体自身对应的改进解：
14、
15、
16、xh′3＝θ3×xbest,3+θ4×(xbest,3-xrand) (4)
17、其中，ximp为变异向量，xbest,i表示第i种群中所有个体所达到过的最优位置，即寻优所得结果，l、θ1～θ4均为(0,1]内的随机数，xrand为随机位置，i＝1、2、3；
18、采用公式(2)(3)(4)对原个体进行操作，xh′1、xh′2、xh′3分别为三个蜻蜓个体经过变异与交叉步骤后的新位置，即变异与交叉后的新解；
19、多次迭代后，在xh′1、xh′2、xh′3的作用下、wgan生成对抗网络深度学习模型调整网络中各参数权重，从而学习气象条件影响下的电力负荷概率分布，以便最终实现气象条件影响下的电力负荷场景生成与预测。
20、作为本专利技术所述的一种电力负荷场景生成及预测方法进一步优化方案，将所构建的电力负荷与气象历史场景数据集划分为训练集与验证集，使用训练集结合wgan生成对抗网络深度学习模型与改进的蜻蜓优化算法进行训练并使用验证集进行验证，得到训练完成的生成器模型，利用已训练好的生成器模型生成气象条件影响下的电力负荷运行预测场景；具体如下：
21、从已知的简单分布随机采样，得到任意噪声向量n，其维度遵循历史电力负荷数据与气象数据维度之和；根据wgan生成对抗网络深度学习模型与改进的蜻蜓优化算法、并结合电力负荷与气象历史场景数据集，将n输入到wgan生成对抗网络深度学习模型的生成器和判别器进行训练；
22、当wgan生成对抗网络深度学习模型的生成器和判别器交替训练达到纳什均衡，所生成场景的概率分布pg(n)和真实数据集的分布pr(n)趋于一致，二者间的wasserstein距离达到最小，此时训练完成，得到已训练完成的生成器模型；
23、再从简单分布中抽样一定量的任意噪声向量n，输入已训练完成的生成器模型，即获得符合历史规律的气象影响下的电力负荷预测场景。
24、本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
25、(1)该方法考虑了气象条件对电力负荷场景生成及预测技术的影响，采用机器学习生成对抗网络模型，结合所提出的改进蜻蜓优化算法对气象影响下的电力负荷场景生成及预测进行补充与应用；
26、(2)所提出的结合改进蜻蜓寻优算法的wgan生成对抗网络深度学习模型能够很好地学习历史气象条件与电力负荷的关系，并生成精确的电力负荷预测场景，为该领域该技术在各类具体场景中的应用提供了进一步完善的思路与技术支撑。
本文档来自技高网...【技术保护点】
1.一种电力负荷场景生成及预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力负荷场景生成及预测方法，其特征在于，构建目标地区电力负荷与气象历史场景数据集，具体方法如下：
3.根据权利要求1所述的一种电力负荷场景生成及预测方法，其特征在于，改进的蜻蜓优化算法包括分离、对齐、聚集、捕食、避敌、变异与交叉，其中，变异与交叉具体如下：
4.根据权利要求1所述的一种电力负荷场景生成及预测方法，其特征在于，将所构建的电力负荷与气象历史场景数据集划分为训练集与验证集，使用训练集结合WGAN生成对抗网络深度学习模型与改进的蜻蜓优化算法进行训练并使用验证集进行验证，得到训练完成的生成器模型，利用已训练好的生成器模型生成气象条件影响下的电力负荷运行预测场景；具体如下：
【技术特征摘要】
1.一种电力负荷场景生成及预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力负荷场景生成及预测方法，其特征在于，构建目标地区电力负荷与气象历史场景数据集，具体方法如下：
3.根据权利要求1所述的一种电力负荷场景生成及预测方法，其特征在于，改进的蜻蜓优化算法包括分离、对齐、聚集、捕食、避敌、变异与交叉，其中，变异...
【专利技术属性】
技术研发人员：礼晓飞，李驰，张金平，王帅，赵钧，陈涛，凌䶮飞，贾晨，
申请(专利权)人：中国电力科学研究院有限公司，
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。