[發明專利]基于進化框架的模糊對抗生成網絡風功率預測方法及裝置

在審

• 申請號: 202210181632.7
• 申請日: 2022-02-25
• 公開（公告）號: CN114462719A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 曲福明;荊洪迪;柳小波;王培濤;陳巖;李鵬;張英
• 申請（專利權）人: 北京科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06N5/04;H02J3/00
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于進化框架的模糊對抗生成網絡風功率預測方法，其特征在于，所述方法包括：

S1、構建風機數據生成模型，所述風機數據生成模型用于生成不同條件下的多個風機數據；

S2、構建風機數據合理性判別模型，所述風機數據合理性判別模型用于判斷生成的多個風機數據是否符合風機數據的要求；

S3、基于所述風機數據生成模型以及風機數據合理性判別模型，構建基于進化計算的樣本生成優化模型；

S4、基于所述進化計算的樣本生成優化模型以及真實風機數據，生成多個風機樣本數據；

S5、構建風電功率預測初始模型，通過所述風機樣本數據對所述功率預測初始模型進行訓練，得到訓練完畢的風電功率預測模型；

S6、通過所述風電功率預測模型，預測風電功率。

2.根據權利要求1所述的方法，其特征在于，所述S1中的構建風機數據生成模型，包括：

S11、對獲取的真實風機數據進行預處理，將不同風機不同時間的真實風機數據組成基本的數據樣本；

其中，為預處理后的第n個樣本，S_i為第i個時刻全場風機所有風機的風功率向量，m為預測過程中使用的歷史風機數據的數量，t為預測過程中預設的需要預測的風機數據數量；

S12、使用深度卷積神經網絡來構建風機數據生成模型，生成網絡和對抗網絡的損失函數如下：

其中，G為生成網絡，D為判別網絡，為真實風機樣本數據，z為輸入到生成網絡中的隨機向量，E代表期望，p代表概率分布；

S13、為了使構建出的生成網絡能夠按照要求生成特定條件下的風機數據，構建生成數據合理性判別模型Ω：

δ^(r)＝Ω(G(z))

其中，G(z)為生成的風機樣本數據，δ^(r)為判別結果，如果δ^(r)的值等于1，表示生成的樣本合理，如果δ^(r)的值等于0，說明生成的樣本不合理；

S14、依據生成數據合理性判別模型Ω，構建基于判定模型的有監督深度卷積生成網絡，所述基于判定模型的有監督深度卷積生成模型的損失函數設計為：

其中，U是每個迭代訓練中的樣本個數，u表示第u個樣本，η為合理性判斷的閾值；

S15、依據所述生成數據合理性判別模型Ω和所述基于判定模型的有監督深度卷積生成模型的損失函數，構建判別模型的損失函數為：

其中，是每次迭代中的真實風機樣本數據。