一种可再生能源出力场景生成方法及装置制造方法及图纸

本发明专利技术提供一种可再生能源出力场景生成方法及装置，该方法包括：步骤1、获取可再生能源发电场的历史出力数据，构建可再生能源发电场的出力场景数据集；步骤2、基于出力场景数据集训练时间序列表征模型，将出力场景数据集映射到隐空间，得到隐空间出力场景集；步骤3、通过扩散过程向隐空间出力场景集加入高斯噪声；步骤4、建立去噪过程训练去噪扩散概率模型；步骤5、基于训练后的去噪扩散概率模型和时间序列表征模型，根据任意高斯噪声得到真实的出力场景数据集，生成可再生能源出力场景。本发明专利技术能够在隐空间学习出力数据的真实分布规律，从而直接将高斯噪声变换成真实的出力场景，为解决电力系统随机规划中不确定性问题提供有效的思路。

【技术实现步骤摘要】

本专利技术涉及可再生能源，具体涉及一种可再生能源出力场景生成方法及装置。

技术介绍

1、场景分析法是解决含高比例可再生能源的电力系统随机规划中不确定性问题的一种有效方法。场景分析法的基本思想是通过将具有连续概率分布的随机向量离散成场景集合，将随机优化问题转换为确定性问题处理。在场景分析法中构建的场景精确度越高，其对应随机优化问题的解也更接近实际最优值，因此如何精确地生成可再生能源场景是一个重要的研究方向。

2、传统的可再生能源场景生成方法主要有两类：基于概率模型的方法和基于优化的方法。前者的难点在于如何通过建立合适的概率模型，提高场景集与待解决问题的相似度，在实际中，假设的概率模型往往会因为复杂的天气条件与非线性的能量转换关系等出现偏差。基于优化的场景生成方法则存在大规模的情况计算效率低，无法捕捉极端的场景等问题。

3、随着人工智能技术的发展，基于深度生成式模型的方法开始应用到电力系统场景生成研究。gans模型通过训练生成器和判别器，以博弈的方式令生成器生成的样本接近真实的数据，这也导致了该方法的训练过程不够稳定。vae模型则是在实本文档来自技高网...

【技术保护点】

1.一种可再生能源出力场景生成方法，其特征在于，包括：

2.根据权利要求1所述的可再生能源出力场景生成方法，其特征在于，所述时间序列表征模型为vanilla Transformer模型，该vanilla Transformer模型去除了解码器模块，只保留编码器模块并拼接一层全连接层作为新的解码器模块；

3.根据权利要求2所述的可再生能源出力场景生成方法，其特征在于，所述步骤2.1中，P=12，S=0。

4.根据权利要求2所述的可再生能源出力场景生成方法，其特征在于，所述步骤2.2具体包括：采用均匀分布随机选择块的一个子集，该子集占比50%，采用0值掩盖...

【技术特征摘要】

1.一种可再生能源出力场景生成方法，其特征在于，包括：

2.根据权利要求1所述的可再生能源出力场景生成方法，其特征在于，所述时间序列表征模型为vanilla transformer模型，该vanilla transformer模型去除了解码器模块，只保留编码器模块并拼接一层全连接层作为新的解码器模块；

3.根据权利要求2所述的可再生能源出力场景生成方法，其特征在于，所述步骤2.1中，p=12，s=0。

4.根据权利要求2所述的可再生能源出力场景生成方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：张俊，许成龙，高天露，许沛东，白昱阳，戴宇欣，赵杭，
申请(专利权)人：武汉大学，
类型：发明
国别省市：