一种基于改进生成对抗网络的风光典型运行场景的生成方法技术

本发明专利技术涉及系统优化与调度领域，一种基于改进生成对抗网络(GAN)的风光典型运行场景的生成方法。步骤如下：(1)建立基于模型网络结构的GAN优化模型。纳入额外的约束和条件，以精确指导GAN的训练过程。通过在生成器(G)和判别器(D)的输入中嵌入额外的标签信息引导GAN的训练，使其生成的样本能够精准满足特定需求。条件生成对抗网络(CGAN)融合了监督学习与无监督学习的策略，并额外引入了类别标签或其他有助于样本生成的辅助信息。(2)建立基于目标函数的GAN优化模型。目标函数在GAN的训练过程中起着决定性的作用，指导网络参数优化方向。采用带有梯度惩罚的WGAN(WGAN‑GP)模型，该模型摒弃了传统的权重裁剪方法，转而采用梯度惩罚项来增强模型的稳定性。通过限制判别器D的梯度不超过预定的Lipschitz常数K，构建了梯度惩罚项，确保模型满足K‑Lipschitz连续性条件。同时将WGAN‑GP与CGAN的训练目标函数相结合，以生成满足特定要求的风光发电功率场景。(3)针对具体的应用场景和数据特性，设计适合的神经网络结构。确定神经元的数量、层次结构以及激活函数等关键要素。为了提升模型的特征提取能力，选择卷积神经网络(CNN)替代作为基础网络架构，有效捕获样本的深层次特征。(4)运行场景生成模型训练及其评价指标的建立。在模型训练阶段，利用大量的风光运行场景数据对GAN进行训练，并通过不断迭代和调整网络参数，使GAN能够生成符合目标函数要求的场景。同时，建立全面的评价指标体系，以全面评估生成的场景在质量和多样性方面的表现。

【技术实现步骤摘要】

本专利技术涉及系统优化与调度领域，具体是一种基于改进生成对抗网络的风光典型运行场景的生成方法。

技术介绍

1、在风光水储系统中，精准搭建风光发电场景是实现能源高效利用、促进消纳以及确保系统协调优化运行的关键环节。风光新能源的发电情况并非单一因素所能决定，而是受到天气条件、设备状态、能源类型等多重因素的交织影响。这些因素之间的复杂互动，使得发电场景呈现出高度的复杂性和多样性。生成式网络近年来在场景建模领域逐渐兴起。与传统的数据分析方法不同，生成式网络不必预先分析数据的分布特征、不需要做复杂的概率假设，依靠数据驱动捕捉数据真实状态，训练过后可以生成与历史训练数据特征相似的样本。

2、为克服上述不足，本专利技术提出了一种改进gan的风光新能源运行场景生成方法。首先，在剖析原始gan的原理特性与作用机理的基础上，结合条件生成对抗网络和带有梯度惩罚的wasserstein生成对抗网络，提升gan在生成多样化运行场景方面的能力，并增强其在训练过程中的效率与稳定性。其次，使用深度卷积生成对抗网络代替原始模型中的网络结构，该网络结构能够有效捕捉样本深层次的特征本文档来自技高网...

【技术保护点】

1.一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于：所述步骤S1中需要建立基于模型网络结构的GAN优化改进模型，具体形式如下：在CGAN的G部分，在G的输入端拼接噪声z和附加信息c，输出样本形式更换为x′＝G(z|c)。在CGAN中，判别器还需额外分辨生成样本是否达成特定的附加条件。

3.根据权利要求1所述的一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于，所述步骤S2中需建立基于目标函数的GAN优化改进模型，具体形式如下：<...

【技术特征摘要】

1.一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于：所述步骤s1中需要建立基于模型网络结构的gan优化改进模型，具体形式如下：在cgan的g部分，在g的输入端拼接噪声z和附加信息c，输出样本形式更换为x′＝g(z|c)。在cgan中，判别器还需额外分辨生成样本是否达成特定的附加条件。

3.根据权利要求1所述的一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于，所述步骤s2中需建立基于目标函数的gan优化改进模型，具体形式如下：

4.根据权利要求1所述的一种基于改进生成对抗网络的风光典型运行场景的生成方法，其特征在于，所述步骤s3需要建...

【专利技术属性】
技术研发人员：吴敏，程兴荣，蔡昌春，王全凯，邓志祥，
申请(专利权)人：河海大学，
类型：发明
国别省市：