[發明專利]基于時序生成對抗網絡的月度風光發電功率場景分析方法

在審

• 申請號: 202110345017.0
• 申請日: 2021-03-31
• 公開（公告）號: CN113191918A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 任洲洋;李輝
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

1.基于時序生成對抗網絡的月度風光發電功率場景分析方法，其特征在于，包括以下步驟：

1)獲取所述風電/光伏場站歷史功率數據集合X。

2)采用基于RV系數的K-means聚類算法對風電/光伏場站歷史功率數據集合X的數據進行聚類，得到K類日發電狀態；

3)根據步驟2)的聚類結果，計算Markov狀態轉移概率矩陣P_r和Markov累計狀態轉移概率矩陣P_cum，并采用Markov鏈Monte Carlo模擬法隨機生成N_s個月度風電/光伏發電功率轉移過程，構成集合T_intra；

4)將高斯白噪聲和風電/光發電功率日狀態輸入時序生成對抗網絡，生成風電/光伏月度發電功率場景集合S；

5)建立考慮中長期電網需求的月度風光場景優化削減模型；

6)利用啟發式場景削減優化求解算法解算度風光場景優化削減模型，遴選出保留場景集合Ξ。

2.根據權利要求1所述的基于時序生成對抗網絡的月度風光發電功率場景分析方法，其特征在于：風電/光伏場站歷史功率數據集合X的時間分辨率為r_h，場站數量為N_p，數據采集的起始年份為y₁，終止年份為y₂。

3.根據權利要求1或2所述的基于時序生成對抗網絡的月度風光發電功率場景分析方法，其特征在于，對風電/光伏場站歷史功率數據集合X的數據進行聚類的步驟包括：

1)從風電/光伏場站歷史功率數據集合X＝{X₁,X₂,…,X_N}中隨機選擇K個矩陣X_k作為初始聚類中心；k＝1,2,…,K；

2)計算風電/光伏場站歷史功率數據集合X中各矩陣X_i與聚類中心X_k的RV系數ρ(X_i,X_k)，即：

式中，tr(·)代表矩陣的跡；diag(·)為矩陣對角元素；N為樣本總量；上標-表示增廣矩陣；上標’表示轉置；

3)以最大RV系數對應的類別為矩陣X_i所屬類別，并打上日狀態類別標簽；

4)更新每一類的聚類中心，并判斷是否滿足收斂條件；若是，則終止操作；否則，返回步驟2)繼續迭代；所述收斂條件為聚類中心連續max次迭代不發生變化。

4.根據權利要求1或3所述的基于時序生成對抗網絡的月度風光發電功率場景分析方法，其特征在于，隨機生成月度風電/光伏發電功率轉移過程的步驟包括：

1)根據K類日發電狀態及對應頻數，建立Markov狀態轉移概率矩陣P_r，即：

式中，p_kl代表由狀態k跳變到狀態l的概率；l＝1，2...，K；

概率p_kl的最大似然估計如下所示：

式中，n_kl為歷史數據中由狀態k跳變到狀態l的天數；

2)基于矩陣P_r，建立Markov累積狀態轉移概率矩陣P_cum，即：

式中，元素其中，p_km為矩陣P_r內第k行第m列的元素；k＝1,2,…,K；

3)隨機產生一個屬于區間[1,K]的整數，作為風電/光伏發電功率轉移過程的初始狀態；

4)隨機產生服從均勻分布的數r∈[0,1]，設定當日風電/光伏出力為狀態k，將數r與矩陣P_cum第k行元素進行比較，若P_cum,klr≤P_cum,k(l+1)，則認為下一日的光伏出力狀態為l，否則下一日的光伏出力狀態為r；

5)判斷當前Markov鏈的日狀態數是否達到30個；若是，即完成了單個月度發電過程的生成；否則，返回步驟2)，繼續抽取下一日的出力狀態；

6)重復步驟4)-步驟5)，直到獲取N_s個月度風電/光伏發電功率轉移過程。