[发明专利]基于生成对抗网络的新能源发电场景数据迁移方法

说明书

本发明提出一种基于生成对抗网络的新能源发电场景数据迁移方法，以历史数据大规模缺失的新能源电站为目标电站，以历史数据完整的邻近新能源电站为源电站，通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系，进而根据源电站场景数据，生成目标电站场景数据，且所生成的数据符合真实场景数据分布规律。仅需建立C‑DCGAN模型学习目标电站与源电站数据间的映射关系，即可将源电站数据进行处理后迁移至目标电站，补全目标电站的缺失数据，能够更高效地完成数据补全，简化算法流程；通过引入Wasserstein距离与梯度惩罚函数，增加了C‑DCGAN模型的稳定性；提升了数据迁移的准确度的同时，减少了构建目标模型的时间，降低了经济成本与时间成本。

技术领域

本发明属于新能源发电技术领域，尤其涉及一种基于生成对抗网络的新能源发电场景数据迁移方法。

背景技术

新能源具有不断再生、永续利用以及环境友好性的特点，在过去近半个世纪里，全球新能源的增长率也已经全面超过了化石能源。风力、光伏发电因为具备了成熟、商业化的大规模发电与运营方式，是目前新能源领域中最具关注的焦点。

相比于常规火力或水力发电可控制、可调度的特点，风力与光伏等新能源发电量不受人为调控。此外，风电与光伏出力均具有明显的随机性、间歇性以及波动性特征，大规模的风电、光伏并网势必会对电网电能质量、电力可靠性以及电力系统安全经济运行带来不小的挑战。因此虽然风电、光伏并网的比例逐年增加，但由于其出力不确定性的特点及现有技术的瓶颈导致电网现阶段仍然无法完全消纳新能源出力，“弃风弃光”的现象仍然普遍存在。目前，在新能源接入的电力系统规划、运行以及调度优化问题中如何考虑新能源出力的不确定性，是目前研究电力系统经济优化运行的难点，如果能对新能源出力场景的不确定性研究并建模生成场景，则可以有效的将上述不确定性优化问题转换为确定性问题来分析，这对于简化电力系统不确定性优化问题分析以及安全经济运行都具有十分重要的价值与意义。

场景分析是一种通过构建确定性场景来分析电力系统不确定性问题的方式，它能根据不确定性变量的概率特征生成多个场景以描述新能源发电不确定性，是解决含新能源的电力系统优化规划运行问题的一种有效途径。电力系统的长期规划、中期运行和短期调度问题实质上即为不同时间尺度下的最优机组组合问题，当考虑到包含风电或光伏在内的不确定性能源接入时，由于准确定量描述超前时间的风电或光伏出力曲线一般较难，因此上述最优机组组合模型就变成了不确定性优化问题。而场景分析的目的就是通过生成符合风电、光伏出力统计特征的时序场景来表征风电或者光伏超前出力，从而将上述不确定性模型转换为确定性模型，以方便优化模型的求解运算。

在场景分析法中，构建生成的场景精度越高，所描述的新能源发电不确定性的准确度也就越高，因此，如何精确生成新能源发电场景是场景分析法的首要任务。场景生成是指根据研究对象的统计特征，并采用一定方法对其抽样得到可以描述对象不确定性特征场景的方法。目前，在光伏、风电的场景生成方法中应用较多的主要包括三种类型：一、直接对光伏、风电的概率分布特征抽样得到可以描述光伏、风电随机性特征的场景；二、先对光伏、风电出力的统计特征数学建模然后对该模型抽样生成所需场景；三、结合预测误差对光伏、风电的概率分布特征抽样生成场景。前两种方法一般用于电力系统中长期规划运行中的风、光场景生成，后一种方法一般用于短期调度中的场景生成。

现已有大量方案对基于生成模型的新能源发电场景生成方法进行了研究，并取得了一系列研究成果，但现有的场景生成方法只有在历史数据较为完整的情况下才能够取得较好的效果。当新能源电站历史数据出现大规模缺失时，现有的场景生成方法就难以从缺失的历史数据中提取数据分布规律，进而导致生成的新能源发电场景难以较好地反应新能源出力的时空相关性。因此，在历史数据出现大规模缺失的情况下，如何精确生成足量的数据样本补全缺失，是提高场景生成精度的关键问题之一。

发明内容

针对现有技术的空白，本发明提出了一种基于生成对抗网络的新能源发电场景数据迁移方法，针对在历史数据缺失情况下，现有方法所生成的新能源发电场景精度较低甚至失效的问题，提出一种基于生成对抗网络的新能源发电场景数据迁移方法。