[发明专利]基于进化框架的模糊对抗生成网络风功率预测方法及装置

权利要求书

1.一种基于进化框架的模糊对抗生成网络风功率预测方法，其特征在于，所述方法包括：

S1、构建风机数据生成模型，所述风机数据生成模型用于生成不同条件下的多个风机数据；

S2、构建风机数据合理性判别模型，所述风机数据合理性判别模型用于判断生成的多个风机数据是否符合风机数据的要求；

S3、基于所述风机数据生成模型以及风机数据合理性判别模型，构建基于进化计算的样本生成优化模型；

S4、基于所述进化计算的样本生成优化模型以及真实风机数据，生成多个风机样本数据；

S5、构建风电功率预测初始模型，通过所述风机样本数据对所述功率预测初始模型进行训练，得到训练完毕的风电功率预测模型；

S6、通过所述风电功率预测模型，预测风电功率。

2.根据权利要求1所述的方法，其特征在于，所述S1中的构建风机数据生成模型，包括：

S11、对获取的真实风机数据进行预处理，将不同风机不同时间的真实风机数据组成基本的数据样本；

其中，为预处理后的第n个样本，S_i为第i个时刻全场风机所有风机的风功率向量，m为预测过程中使用的历史风机数据的数量，t为预测过程中预设的需要预测的风机数据数量；

S12、使用深度卷积神经网络来构建风机数据生成模型，生成网络和对抗网络的损失函数如下：

其中，G为生成网络，D为判别网络，为真实风机样本数据，z为输入到生成网络中的随机向量，E代表期望，p代表概率分布；

S13、为了使构建出的生成网络能够按照要求生成特定条件下的风机数据，构建生成数据合理性判别模型Ω：

δ^(r)＝Ω(G(z))

其中，G(z)为生成的风机样本数据，δ^(r)为判别结果，如果δ^(r)的值等于1，表示生成的样本合理，如果δ^(r)的值等于0，说明生成的样本不合理；

S14、依据生成数据合理性判别模型Ω，构建基于判定模型的有监督深度卷积生成网络，所述基于判定模型的有监督深度卷积生成模型的损失函数设计为：

其中，U是每个迭代训练中的样本个数，u表示第u个样本，η为合理性判断的阈值；

S15、依据所述生成数据合理性判别模型Ω和所述基于判定模型的有监督深度卷积生成模型的损失函数，构建判别模型的损失函数为：

其中，是每次迭代中的真实风机样本数据。