本发明专利技术公开了一种综合能源系统场景生成方法及装置，本发明专利技术根据样本集中的状态变量数据组和随机噪声，利用GAN网络的训练过程，有效生成了符合该组状态变量数据特性的场景数据，基于所有场景数据，生成综合能源系统场景，为IES规划与调控提供了基础。IES规划与调控提供了基础。IES规划与调控提供了基础。
【技术实现步骤摘要】
一种综合能源系统场景生成方法及装置
[0001]本专利技术涉及一种综合能源系统场景生成方法及装置，属于综合能源系统领域。
技术介绍
[0002]综合能源系统(Integrated energy system,IES)是指在一定区域内，利用迅速准确的信息传输技术和创新智能的调控策略，以电能为核心，整合该区域内煤炭、石油、天然气、热能、风能等多种能源，从而实现多种能源系统之间的统一规划、完善运行、互助式管理以及经济互补。
[0003]如何对IES进行规划与调控是当前有关研究的重要课题，对IES研究所面临的首要问题是：针对IES的状态变量，当采集的变量样本为小样本(即样本中的数据较少)时，无法基于小样本生成相应的场景。
技术实现思路
[0004]本专利技术提供了一种综合能源系统场景生成方法及装置，解决了
技术介绍
中披露的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0006]一种综合能源系统场景生成方法，包括：
[0007]采集综合能源系统状态变量的样本集；
[0008]遍历样本集中的状态变量数据组，将一组状态变量数据和随机噪声输入预设的GAN网络，训练GAN网络，生成符合该组状态变量数据特性的场景数据；其中，在GAN网络中，生成器根据随机噪声生成场景数据，判别器根据状态变量数据和场景数据计算损失函数，若基于损失函数判断出场景数据不满足预设要求，修改判别器和生成器的参数，生成器重新生成场景数据、判别器重新计算损失函数，直到场景数据满足预设要求，判别器输出满足预设要求的场景数据；
[0009]根据场景数据，生成综合能源系统场景。
[0010]在GAN网络中，除了生成器和判别器中的全连接层，其余全连接层均被替换为卷积层，并且不采用池化层。
[0011]在GAN网络中，生成器和判别器输出的数据均进行归一化处理。
[0012]判别器中采用LeakRelu激活函数，生成器中采用Relu激活函数。
[0013]采用梯度惩罚方法计算损失函数。
[0014]损失函数包括生成器的损失函数和判别器的损失函数；
[0015]生成器的损失函数为：
[0016]gen_cost＝D(G(Z))
[0017]判别器的损失函数为：
[0018]disc_cost＝
‑
D(G(Z))+D(X)+γ*d(D(X
′
))
[0019]其中，Z为随机噪声，D为判别器，G(Z)为场景数据，D(G(Z))为输入G(Z)后D的输出
数据，X为状态变量数据，参数X
′
＝X*θ+(1
‑
θ)*X
fake
，θ为产生的随机数，X
fake
为每一批次场景数据的采样，d(D(X
′
))为判别器梯度，D(X
′
)为输入X
′
后D的输出数据，γ为梯度惩罚参数。
[0020]采用误差反向传播算法修改判别器和生成器的参数。
[0021]一种综合能源系统场景生成装置，包括：
[0022]采集模块：采集综合能源系统状态变量的样本集；
[0023]场景数据生成模块：遍历样本集中的状态变量数据组，将一组状态变量数据和随机噪声输入预设的GAN网络，训练GAN网络，生成符合该组状态变量数据特性的场景数据；其中，在GAN网络中，生成器根据随机噪声生成场景数据，判别器根据状态变量数据和场景数据计算损失函数，若基于损失函数判断出场景数据不满足预设要求，修改判别器和生成器的参数，生成器重新生成场景数据、判别器重新计算损失函数，直到场景数据满足预设要求，判别器输出满足预设要求的场景数据；
[0024]场景生成模块：根据场景数据，生成综合能源系统场景。
[0025]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行综合能源系统场景生成方法。
[0026]一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行综合能源系统场景生成方法的指令。
[0027]本专利技术所达到的有益效果：本专利技术根据样本集中的状态变量数据组和随机噪声，利用GAN网络的训练过程，有效生成了符合该组状态变量数据特性的场景数据，基于所有场景数据，生成综合能源系统场景，为IES规划与调控提供了基础。
附图说明
[0028]图1为本专利技术方法的流程图；
[0029]图2为GAN网络结构图；
[0030]图3为判别器结构图；
[0031]图4为生成器结构图；
[0032]图5(a)为原始单天电价时间序列图；
[0033]图5(b)为第5轮单天电价时间序列图；
[0034]图5(c)为第20轮单天电价时间序列图；
[0035]图5(d)为第40轮单天电价时间序列图；
[0036]图6(a)为原始单天负荷功率时间序列图；
[0037]图6(b)为第5轮单天负荷功率时间序列图；
[0038]图6(c)为第20轮单天负荷功率时间序列图；
[0039]图6(d)为第40轮单天负荷功率时间序列图；
[0040]图7(a)为原始单天温度时间序列图；
[0041]图7(b)为第5轮单天温度时间序列图；
[0042]图7(c)为第20轮单天温度时间序列图；
[0043]图7(d)为第40轮单天温度时间序列图；
[0044]图8(a)为原始单天光伏出力时间序列图；
[0045]图8(b)为第5轮单天光伏出力时间序列图；
[0046]图8(c)为第20轮单天光伏出力时间序列图；
[0047]图8(d)为第40轮单天光伏出力时间序列图；
[0048]图9(a)为原始16天中风机出力时间序列图；
[0049]图9(b)为第5轮16天中风机出力时间序列图；
[0050]图9(c)为第20轮16天中风机出力时间序列图；
[0051]图9(d)为第40轮16天中风机出力时间序列图；
[0052]图10(a)为原始16天中风速时间序列图；
[0053]图10(b)为第5轮16天中风速时间序列图；
[0054]图10(c)为第20轮16天中风速时间序列图；
[0055]图10(d)为第40轮16天中风速时间序列图；
[0056]图11为风机出力累积分布函数图；
[0057]图12为光伏出力累积分布函数图；
[0058]图13为风机出力自相关系数图；
[0059]图14为光伏出力自相关系数图；
[0060]图15(a)为原始负荷分布直方图；
[0061]图15(本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种综合能源系统场景生成方法，其特征在于，包括：采集综合能源系统状态变量的样本集；遍历样本集中的状态变量数据组，将一组状态变量数据和随机噪声输入预设的GAN网络，训练GAN网络，生成符合该组状态变量数据特性的场景数据；其中，在GAN网络中，生成器根据随机噪声生成场景数据，判别器根据状态变量数据和场景数据计算损失函数，若基于损失函数判断出场景数据不满足预设要求，修改判别器和生成器的参数，生成器重新生成场景数据、判别器重新计算损失函数，直到场景数据满足预设要求，判别器输出满足预设要求的场景数据；根据场景数据，生成综合能源系统场景。2.根据权利要求1所述的一种综合能源系统场景生成方法，其特征在于，在GAN网络中，除了生成器和判别器中的全连接层，其余全连接层均被替换为卷积层，并且不采用池化层。3.根据权利要求1所述的一种综合能源系统场景生成方法，其特征在于，在GAN网络中，生成器和判别器输出的数据均进行归一化处理。4.根据权利要求1所述的一种综合能源系统场景生成方法，其特征在于，判别器中采用LeakRelu激活函数，生成器中采用Relu激活函数。5.根据权利要求1所述的一种综合能源系统场景生成方法，其特征在于，采用梯度惩罚方法计算损失函数。6.根据权利要求5所述的一种综合能源系统场景生成方法，其特征在于，损失函数包括生成器的损失函数和判别器的损失函数；生成器的损失函数为：gen_cost＝D(G(Z))判别器的损失函数为：disc_cost＝
‑
D(G(Z))+D(X)+γ*d(D(X
′
))其中，Z为随机噪声，D为判别器，G(Z)为场景数据，D(G(Z))为输入G(Z)后D的输出数据，X为状态变量数据，参数X
′<...
【专利技术属性】
技术研发人员：方鑫，潘益，袁晓冬，史明明，周心雨，孙天奎，张宸宇，刘瑞煌，姜云龙，
申请(专利权)人：江苏省电力试验研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。