发电机组出力的确定方法、装置及电子设备与流程

本技术涉及新能源发电，特别涉及一种发电机组出力的确定方法、装置及电子设备。

背景技术：

1、风能、太阳能等新能源的引入使得能源供给结构发生变化，而新能源大规模入网也增加了系统的不确定性因素，影响系统的安全性、稳定性和可靠性。因此需要对新能源输出数据的生成进行仿真，以对大规模新能源集成系统的可靠性进行评估或者控制发电机组出力。

2、目前对于新能源输出数据的生成主要采用以下两种方式：（1）基于混合高斯模型与copula函数结合的光伏电站功率相依结构建模。具体的，采用基于copula函数的条件抽样法产生概率功率曲线来识别误差数据，对光伏电站的原始数据进行清洗，认为在概率功率曲线内的数据是正常数据，而在概率功率曲线外的数据被认为是异常数据。然后基于gmm和copula函数模型对光伏功率正常数据进行相关性分析，基于gmm分析光伏功率的边缘概率分布，再基于混合copula函数分析电站间光伏功率相依结构。最后采用kendall秩相关系数和尾部相关系数来描述光伏功率间的相关性。（2）考虑时间和空间相关性的两阶段风光联合输出情景生成方法。具体包括两个阶段：在第一阶段，使用hnac结构的copula模型来构建风电场和光伏发电站之间的输出相关性，以及风电和光伏发电之间的输出互补性；在第二阶段，使用基于马尔可夫链的copula模型来考虑风电和光伏输出的时间序列相关性。同时，考虑了风电和光伏发电在不同输出水平下的波动特性。最后，使用蒙特卡罗方法迭代模拟了大量的风电和光伏输出序列，聚类生成了风电和光电输出的典型场景。

3、但是上述两种数据只关注单个风能和太阳能资源的相关性，忽略不同能源之间的相关性，会导致建模不充分和不完整。并且，在研究风电和光伏输出的相关模式时，普遍缺乏对相关动态变化的探索，导致模型精度降低。

4、针对上述无法完整、准确、可靠地生成新能源输出数据的问题，目前尚未提出有效解决方案。

技术实现思路

1、本技术实施方式的目的是提供一种发电机组出力的确定方法、装置及电子设备，以解决无法完整、准确、可靠地生成新能源输出数据的问题。

2、为解决上述技术问题，本说明书第一方面提供了一种发电机组出力的确定方法，包括：

3、获取多个发电机组的历史输出数据，所述多个发电机组中包括至少两种采用不同能源发电的机组；

4、对所述历史输出数据进行聚类，得到多个输出数据子集；

5、利用马尔克夫链对多个输出数据子集进行建模得到输出数据模型，并对输出数据模型进行抽样，得到初始模拟输出数据；

6、将所述初始模拟输出数据输入时间序列生成对抗网络，对所述时间序列生成对抗网络进行训练，得到预训练输出模型；

7、利用所述预训练输出模型输出目标模拟输出数据，以基于目标模拟输出数据对所述多个发电机组的出力进行控制。

8、在本说明书的一些实施例中，所述对所述历史输出数据进行聚类，得到多个输出数据子集，包括：

9、确定所述历史输出数据中的两两数据之间的相似度，构成相似度矩阵；

10、基于所述相似度矩阵确定偏向参数；

11、初始化吸引度矩阵和归属度矩阵；

12、基于所述相似度矩阵、所述偏向参数以及预设阻尼系数，对所述吸引度矩阵以及所述归属度矩阵进行迭代更新，并基于迭代更新后的吸引度矩阵和归属度矩阵确定多个聚类中心；

13、基于所述多个聚类中心，将所述历史输出数据归类到各聚类中心，得到多个输出数据子集，每个输出数据子集对应一组日类型输出数据。

14、在本说明书的一些实施例中，在所述基于所述多个聚类中心，将所述历史输出数据归类到各聚类中心，得到多个输出数据子集之后，还包括：

15、基于所述历史输出数据确定多个预设聚类指标的指标值；

16、基于确定的指标值对迭代更新后的吸引度矩阵以及归属度矩阵进行优化；

17、基于优化后的吸引度矩阵以及归属度矩阵确定多个聚类中心，并将所述历史输出数据归类到各聚类中心，得到多个输出数据子集。

18、在本说明书的一些实施例中，所述利用马尔克夫链对多个输出数据子集进行建模得到输出数据模型，并对输出数据模型进行抽样，得到初始模拟输出数据，包括：

19、基于所述多个输出数据子集，构建表征为状态转移矩阵的输出数据模型，所述状态转移矩阵中的每个元素表征前一时刻的输出数据对应的日类型转移到当前时刻的输出数据对应的日类型的概率；

20、基于所述状态转移矩阵对预设区间进行等比例划分，得到多个子区间以及各子区间内数据的概率；

21、基于多个子区间以及个子区间内数据的概率，生成多个伪随机数，并将所述多个伪随机数组合成目标长度的初始模拟输出数据。

22、在本说明书的一些实施例中，所述状态转移矩阵通过以下公式表示：

23、；

24、；

25、其中， d表示日类型的数量， p μv表示发电机组的输出数据由第 i个时刻的日类型 μ转移到第 i+1个时刻的日类型 v的概率， h μv表示发电机组的输出数据为日类型 μ和日类型 v之间的转移频数， h μd表示发电机组的输出数据为日类型 μ和日类型 d之间的转移频数。

26、在本说明书的一些实施例中，所述将所述初始模拟输出数据输入时间序列生成对抗网络，对所述时间序列生成对抗网络进行训练，得到预训练输出模型，包括：

27、基于所述初始模拟输出数据中的各数据随时间的变化关系，将所述初始模拟输出数据划分为静态数据和动态数据；

28、构建包括自编码子网络和生成对抗子网络的时间序列生成对抗网络，其中，所述自编码子网络包括嵌入函数和复现函数，所述生成对抗子网络包括生成器和判别器；

29、基于所述静态数据、所述动态数据以及各子网络对应损失函数，分别对所述自编码子网络和生成对抗子网络的参数进行更新，得到所述预训练输出模型。

30、在本说明书的一些实施例中，所述基于所述静态数据、所述动态数据以及各子网络对应损失函数，分别对所述自编码子网络和生成对抗子网络的参数进行更新，包括：

31、将所述静态数据和/或所述动态数据输入所述嵌入函数和所述复现函数，并基于所述嵌入函数和所述复现函数的输出结果以及编码损失函数，对所述嵌入函数和复现函数的参数进行更新；

32、将所述静态数据和/或所述动态数据输入参数更新后的所述嵌入函数，得到第一输出结果；

33、获取所述生成器的第二输出结果，将所述第一输出结果与所述第二输出结果进行联合编码，得到联合编码结果；

34、将所述联合编码结果输入所述判别器，输出第三输出结果；其中所述第三输出结果是所述判别器对联合编码后得到的结果与所述静态数据和/或所述动态数据进行比较输出的结果；

35、基于生成对抗损失函数和/或监督损失函数，以及所述第二输出结果与所述第三输出结果，对所述生成器和所述判别器的参数进行更新。

36、在本说明书的一些实施例中，所述编码损失函数通过以下公式表示：

37、；

38、其中 l er表示编码损失， s表示输入到嵌入函数的静态数据，表示经过所述复现函数输出的静态数据， x t表示输入到嵌入函数的动态数据，表述经过所述复现函数输出的动态数据。

39、在本说明书的一些实施例中，所述生成对抗损失函数和所述监督损失函数通过以下公式表示：

40、；

41、；

42、其中， l gd表示生成对抗损失， l eg表示监督损失， y s、 y t分别表示输入到所述判别器的真实的静态数据和动态数据；、分别表示判别器对应静态数据和动态数据的第三输出结果， h t表示更新后的嵌入函数对应的第一输出结果，表示生成器对应的第二输出结果。

43、本说明书第二方面提供了一种发电机组出力的确定装置，包括：

44、数据获取模块，用于获取多个发电机组的历史输出数据，所述多个发电机组中包括至少两种采用不同能源发电的机组；

45、聚类模块，用于对所述历史输出数据进行聚类，得到多个输出数据子集；

46、数据模拟模块，用于利用马尔克夫链对多个输出数据子集进行建模得到输出数据模型，并对输出数据模型进行抽样，得到初始模拟输出数据；

47、模型更新模块，用于将所述初始模拟输出数据输入时间序列生成对抗网络，对所述时间序列生成对抗网络进行训练，得到预训练输出模型；

48、输出模块，用于利用所述预训练输出模型输出目标模拟输出数据，以基于目标模拟输出数据对所述多个发电机组的出力进行控制。

49、本说明书第三方面提供了一种电子设备，包括：存储器和处理器，所述处理器和所述存储器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而上述第一方面所述方法的步骤。

50、本说明书第四方面提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令被执行时实现上述第一方面所述方法的步骤。

51、本说明书第五方面提供了一种计算机程序产品，包含有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。

52、本说明书实施例中的发电机组出力的确定方法，获取多个发电机组的历史输出数据，多个发电机组中包括至少两种采用不同能源发电的机组；对历史输出数据进行聚类，得到多个输出数据子集；利用马尔克夫链对多个输出数据子集进行建模得到输出数据模型，并对输出数据模型进行抽样，得到初始模拟输出数据；将初始模拟输出数据输入时间序列生成对抗网络，对时间序列生成对抗网络进行训练，得到预训练输出模型；利用预训练输出模型输出目标模拟输出数据，以基于目标模拟输出数据对多个发电机组的出力进行控制。本说明书实施例中，通过对历史输出的数据的聚类和马尔科夫链可以将采用不同能源发电的机组的输出数据的相关性进行有效结合，可以有效模拟各类机组的时空相关性；并且，通过时间序列生成对抗网络，可以捕捉生成的初始模拟输出数据中存在的动态时间相关性，进而可以提高目标模拟输出数据的完整性、准确性和可靠性，以提高发电机组输出数据预测的准确性和可靠性。