(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111246178.0 (22)申请日 2021.10.26 (71)申请人 清华大学 地址 100084 北京市海淀区清华园1号 申请人 雅砻江流 域水电开发有限公司 (72)发明人 胡伟　王雅军　聂强　孙云超　 缪益平　蹇德平　丁仁山　张馨月　 张鑫　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 张大威 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 50/06(2012.01) G06F 113/06(2020.01) (54)发明名称 一种风电光伏有功场景生成方法、 装置、 电 子设备和存 储介质 (57)摘要 本申请属于电力系统多能互补协调运行技 术领域， 涉及一种风电光伏有功场景生成方法、 装置、 电子设备和存储介质。 首先需要收集历史 风电和光伏有功出力数据， 并进行数据清洗、 数 据样本集选取和数据维度调整等预处理； 其次， 构建起包含生成器、 编码器和判别器的含推理模 型的生成对抗网络； 通过将历史数据输入神经网 络， 并采用一定的训练顺序， 通过降低各自损失 函数的方式进行参数更新； 最后得到能刻画风电 和光伏有功出力特性的生 成样本， 经过性能检验 后的风电和光伏有功出力特性的生成样本可用 于后续多能互补协调运行模型的研究。 权利要求书3页 说明书9页 附图2页 CN 114021437 A 2022.02.08 CN 114021437 A 1.一种风电光伏有功 功率的场景生成方法， 其特 征在于， 包括： 获取历史风电、 光伏发电有功 功率数据， 对数据进行 预处理， 得到真实样本x； 构建一个生成对抗网络， 确定网络结构和参数； 利用真实样本x中的训练集样本， 对生成对抗网络进行训练； 利用真实样本x中的验证集样本， 对生成对抗网络进行性能检验。 2.根据权利要求1所述的风电光伏有功功率的场景生成方法， 其特征在于， 所述获取历 史风电、 光伏发电有功 功率数据， 对数据进行 预处理， 得到真实样本x， 包括： (1)分别对多个风力机组和光伏机组进行采样， 得到初始样本集； (2)对初始样本集进行预处理， 包括数据清洗、 数据样本集选取和数据维度调整， 对于 数据中的缺失值采用插值的方法填充， 舍弃缺失值过多的样本； (3)将预处理后样本中的风电和光伏的真实出力值除以当月装机容量， 得到单位装机 容量下的风电光伏有功出力值x'， 对风电光伏有功出力值x'进行归一化处理， 得到真实样 本x： 其中， x'max表示x'中的最大值， x'min表示x'中的最小值。 3.根据权利要求1所述的风电光伏有功场景生成方法， 其特征在于， 所述生成对抗网 络， 包含生成器、 编码器和判别器， 其中： 所述生成器的输入为随机噪声z， 经过两个全连接层、 变形层和三个反卷积层， 得到的 输出为G(z)； 所述编码器的输入为真实样本x中的训练集样本， 经过三个卷积层、 一个荡平层和两个 全连接层， 得到的输出为GE(x)； 判别器的输入 为随机噪声 为z或所述编码器输 出GE(x)， 经过两个全连接层， 输 出第一结 果， 判别器的输入为随机噪声为z或所述编码器输出GE(x)， 经过两个全连接层， 输出第一结 果， 判别器的输入为所述生 成器输出G(z)或真实样 本x中的训练集样本， 经过两个卷积层和 一个变形层， 得到第二结果， 第一结果和第二结果通过一个拼接层， 拼接在一起， 再经过三 个全连接层， 输出 得到判别值D(G(z),z)或判别值D(x,GE(x))。 4.根据权利要求1所述的风电光伏有功场景生成方法， 其特征在于， 所述利用真实样本 x中的训练集样本， 对生成对抗网络进行训练， 包括： (1)设定生成器、 编码器和判别器训练过程中的目标函数分别为： 其中， 生成器和编码器的目标函数为： 判别器的目标函数为： 其中， 和 分别代表生成器和编码器在上一 阶段的优化结果， λ1和 λ2分别代权　利　要　求　书 1/3 页 2 CN 114021437 A 2表两个正则项的系数， 其中λ对应正则项的系数， λ的取值范围为0 ‑1； 其中 和 满足： 式中c为服从[0,1]均匀分布的随机变量； (2)设置生成对抗网络的训练参数如下： (2‑1)真实样本x中的训练集样本对批处 理batch为40； (2‑2)生成器、 编码器和判别器中的各输出层采用Sigmoid作为激活函数， 其它各层采 用ReLU或Leaky ‑ReLU作为激活函数； (2‑3)设定ndis＝3， 即每 个循环中， 判别器D训练三次， 生成器和编码器各训练一次； (2‑4)判别器D的目标函数的正则项系数为λ＝10， 生成器G和编码器E目标函数的正则 项系数为 λ1＝4, λ2＝2； (3)训练过程如下： (3‑1)初始化 生成器G、 编码器E和判别器D的参数； (3‑2)从高斯分布pg(z)中选取m个噪声样本{z(1),...,z(m)}； (3‑3)从真实样本集x中的训练集中选取m个样本{x(1),...,x(m)}； (3‑4)用生成器将{z(1),…,z(m)}映射为G(zi),i＝1,…,N； (3‑5)用编码器将{x(1),…,x(m)}映射为GE(xj),j＝1,…,N； (3‑6)利用以下公式， 计算出 (3‑7)得到判别器对生成器输出的判别结果D(G(zi),zi),i＝1,…,N； (3‑8)得到判别器对编码器输出的判别结果D(xj,GE(xj)),i＝1,…,N； (3‑9)利用生成器和编码器的目标函数计算 生成器和编码器的损失； (3‑10)利用判别器的目标函数计算判别器的损失； (3‑11)按照下面的公式更新 生成器参数、 编码器参数和判别器参数θG、 θE、 θD： 其中， θG,t‑1、 θE,t‑1、 θD,t‑1、 θG,t、 θE,t、 θD,t分别为第t ‑1轮循环后的生成器、 编码器和判别 器参数， 以及第t轮训练后的生成器、 编码器、 判别器参数； (3‑12)重复步骤(3 ‑2)‑(3‑11)步， 直到模型参数θG,t、 θE,t、 θD,t收敛， 完成生成对抗网络 的训练。 5.根据权利要求1所述的风电光伏有功场景生成方法， 其特征在于， 所述利用真实样本 x中的验证集样本， 对生成对抗网络进行性能检验， 包括：权　利　要　求　书 2/3 页 3 CN 114021437 A 3