[发明专利]一种小水电群出力预测方法和系统

权利要求书

1.一种小水电群出力预测方法，其特征在于，包括：

对原始样本数据进行预处理；所述原始样本数据包括：降雨数据、气温、小水电所处流域以及历史出力数据；

基于所述原始样本数据采用深度卷积生成对抗网络生成小水电出力数据，并将所述小水电出力数据补充到所述原始样本数据中；

将补充后的所述原始样本数据进行归一化还原处理得到样本数据集，并根据轻梯度提升机的特点重构所述样本数据集；

采用重构后的所述样本数据集训练搭建好的轻梯度提升机模型；所述轻梯度提升机模型以小水电的特征标签为输入，以小水电的出力为输出；

采用训练好的所述轻梯度提升机模型，根据待预测日某一时刻小水电的特征标签得到小水电的出力；

所述对原始样本数据进行预处理，具体包括：

对所述原始样本数据进行确实数据去除和剔除异常数据处理，得到负荷数据；

对所述负荷数据进行归一化处理；

将归一化后的所述负荷数据按日期进行分组，并将当日该小水电所处流域进行独热编码，将当日降雨情况进行量化编码；

根据轻梯度提升机的特点重构所述样本数据集，具体包括：

采用单点预测法，基于训练组数据和标签数据采用所述轻梯度提升机输出待预测日所有时刻的小水电出力值；将预设流域小水电站待预测时刻的降雨特征值、对应的河流流域类别号以及该小水电站历史降雨相似日的同一时刻的出力值组合起来作为训练组数据，小水电站当前时刻的出力值为标签数据。

2.根据权利要求1所述的小水电群出力预测方法，其特征在于，所述采用深度卷积生成对抗网络生成小水电出力数据，并将所述小水电出力数据补充到所述原始样本数据中，具体包括：

搭建深度卷积生成对抗网络；所述深度卷积生成对抗网络包括：生成器和判别器；所述生成器由输入层、反卷积层和输出层构成；所述判别器由输入层、卷积层和输出层构成；

输入数据通过所述深度卷积生成对抗网络中的输入层全连接结构重塑成为三维张量，然后经过卷积层或反卷积层提取特征，最后通过输出层再次重构数据后，通过sigmoid激活函数得到输出数据；所述输入数据包括：生成器输入数据和判别器输入数据；所述生成器输入数据为从[0,1]区间内随机均匀采样的噪声数据与样本标签数据组成的数据集；当训练所述生成器时，所述判别器输入数据为生成器的输出数据与样本标签数据组成的数据集；当训练所述判别器时，所述判别器输入数据为负荷数据与样本标签数据组成的数据集。

3.根据权利要求2所述的小水电群出力预测方法，其特征在于，所述深度卷积生成对抗网络的训练过程为：

采用Adam算法迭代更新所述深度卷积生成对抗网络的超参数；

生成器和判别器进行交替训练，直到达到一个纳什均衡后得到训练好的生成器和训练好的判别器；损失函数表达式如下：

式中，D代表判别器，G代表生成器，V代表损失函数，P_data(x)代表原始样本集，P_z(z)代表噪声数据，y代表标签数据，E代表交叉熵误差，min表示训练生成器时希望最小化损失函数，max表示训练判别器时希望最大化损失函数。

4.根据权利要求1所述的小水电群出力预测方法，其特征在于，所述轻梯度提升机模型的搭建过程包括：

A、采用直方图算法对所述训练组数据进行最优特征划分，将连续样本划分至k个bin容器中；

B、将k个bin容器中子集合最小的容器过滤掉，对剩余的bin容器的索引值进行计算得到一个值；

C、根据该值将剩余的所述bin容器升序排列后，进行遍历得到最优分裂阈值，以形成决策树的分裂节点，进而搭建初始决策树，并获得第一输出结果；

D、将所述第一输出结果与原始训练组的残差作为新的训练组数据后，执行步骤A-C，以形成下一棵决策树，并将下一棵决策树与初始决策树相结合，得到第二输出结果；

重复步骤A-D，将生成的所有决策树结合在一起得到最终的轻梯度提升机模型。

5.根据权利要求4所述的小水电群出力预测方法，其特征在于，所述轻梯度提升机模型的搭建过程中使用带深度限制的leaf-wise策略形成单棵树。

6.一种小水电群出力预测系统，其特征在于，包括：

预处理模块，用于对原始样本数据进行预处理；所述原始样本数据包括：降雨数据、气温、小水电所处流域以及历史出力数据；

数据补充模块，用于基于所述原始样本数据采用深度卷积生成对抗网络生成小水电出力数据，并将所述小水电出力数据补充到所述原始样本数据中；

数据重构模块，用于将补充后的所述原始样本数据进行归一化还原处理得到样本数据集，并根据轻梯度提升机的特点重构所述样本数据集；

模型训练模块，用于采用重构后的所述样本数据集训练搭建好的轻梯度提升机模型；所述轻梯度提升机模型以小水电的特征标签为输入，以小水电的出力为输出；

出力预测模块，用于采用训练好的所述轻梯度提升机模型，根据待预测日某一时刻小水电的特征标签得到小水电的出力。

其中，对原始样本数据进行预处理，具体包括：

对所述原始样本数据进行确实数据去除和剔除异常数据处理，得到负荷数据；

对所述负荷数据进行归一化处理；

将归一化后的所述负荷数据按日期进行分组，并将当日该小水电所处流域进行独热编码，将当日降雨情况进行量化编码；

根据轻梯度提升机的特点重构所述样本数据集，具体包括：

采用单点预测法，基于训练组数据和标签数据采用所述轻梯度提升机输出待预测日所有时刻的小水电出力值；将预设流域小水电站待预测时刻的降雨特征值、对应的河流流域类别号以及该小水电站历史降雨相似日的同一时刻的出力值组合起来作为训练组数据，小水电站当前时刻的出力值为标签数据。