基本信息:
- 专利标题： 一种基于GAN的风电功率概率性预测方法及系统
- 申请号：CN202211096404.6 申请日：2022-09-08
- 公开(公告)号：CN115618710B 公开(公告)日：2024-07-19
- 发明人： 史洁 , 田珂 , 王潇晨 , 唐亮 , 侯振 , 高捷
- 申请人： 济南大学 , 山东电力工程咨询院有限公司
- 申请人地址： 山东省济南市市中区南辛庄西路336号
- 专利权人： 济南大学,山东电力工程咨询院有限公司
- 当前专利权人： 济南大学,山东电力工程咨询院有限公司
- 当前专利权人地址： 山东省济南市市中区南辛庄西路336号
- 代理机构： 济南圣达知识产权代理有限公司
- 代理人： 李琳
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F18/214 ; G06N3/0464 ; G06N3/048 ; G06N3/08 ; H02J3/00 ; G06F111/08 ; G06F113/06 ; G06F119/06 ; G06F119/10
摘要：
本发明属于风电功率预测技术领域，提供了一种基于GAN的风电功率概率性预测方法及系统，其基于风电场原始样本数据和训练后的GAN模型进行风电功率的概率预测，得到风电功率概率预测值；其中，所述GAN模型的构建过程包括：根据维度和原始样本数据相同的随机噪声数据和生成器生成假目标数据；基于假目标数据、风电场原始样本数据和鉴别器，引入Wasserstein距离代替原始GAN的JS‑KL散度对风电场原始样本数据和及假目标数据之间的距离进行度量，并采用梯度下降法传递梯度信息，更新生成器的参数，根据二者的拟合结果得到风电功率的概率预测值；基于该风电功率概率预测值，采用预测效果的评价指标，计算得到预测值的置信区间。
公开/授权文献:
- CN115618710A 一种基于GAN的风电功率概率性预测方法及系统 公开/授权日：2023-01-17
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |