[发明专利]一种基于GAN的用户负荷曲线生成方法

说明书

本发明涉及一种基于GAN的用户负荷曲线生成方法，属于电力系统需求侧响应领域。该方法包括：负荷曲线归一化、搭建生成网络、搭建判别网络、交替训练生成网络、负荷曲线生成。本方法基于GAN(Generative Adversarial Network，生成对抗网络)，利用GAN捕捉真实数据隐含的统计特征，并基于统计特征生成海量用户负荷，使得生成负荷数据既能遵循用户固有的分布特征，又不乏多样性。利用本方法能够在真实数据不足的情况下生成海量虚拟负荷数据，生成数据能够反映用户真实的用电特征，体现真实负荷的统计特征，同时能够模拟用户多样的用电行为，从而替代真实数据用于配电网分析以及需求侧响应技术的模拟。

技术领域

本发明涉及一种基于GAN的用户负荷曲线生成方法，属于电力系统需求侧响应领域。

背景技术

现阶段，电网正在向着智能化，分布式，清洁化的方向发展，伴随着电网的深刻变革，对于电力系统的分析和研究对象，也从系统层、母线层开始向末端配网、终端用户延伸。用户负荷作为末端配网的重要组成部分，正在获得越来越多的关注，诸多配电网分析方法和需求侧响应技术的部署离不开用户负荷数据的支撑。然而，由于受到隐私保护法律和智能电表普及程度的限制，当前可用的用户真实负荷数据严重不足，这严重阻碍了领域内相关研究的推进。

因此，需要提出一种用户负荷生成方法，能够在数据不足的情况下生成海量虚拟负荷数据，生成数据能够反映用户真实的用电特征，体现真实负荷的统计特征，同时能够模拟用户多样的用电行为，从而替代真实数据用于配电网分析以及需求侧响应技术的模拟。

发明内容

本发明的目的是提出一种基于GAN(Generative Adversarial Network，生成对抗网络)的用户负荷曲线生成方法，在真实负荷数据不足的情况下，通过生成数据的方式补充数据集。

本发明提出的基于GAN的用户负荷曲线生成方法包括以下步骤：

步骤1：负荷归一化：

记用户已有的历史负荷曲线集合其中，每条负荷曲线记做：其中，T为负荷曲线长度，首先找到用户历史负荷的最大值与最小值：

根据极大负荷与极小负荷将负荷值调整至区间[-1,1]间，如下：

步骤2：搭建生成网络：

记生成网络为G，生成网络的输入是服从高斯分布的噪声向量z，生成网络的输出是生成的模拟负荷曲线x_g，记为：

x_g＝G(z；θ_g)

其中，θ_g为G中的待求参数；

由于负荷曲线是一维向量，因此生成网络实际上完成的是从定长一维向量到定长一维向量之间的映射，根据神经网络的特点，生成网络的隐含层直接选用全连接层即可，具体如下：

待生成曲线的维度是1×N，因此输入高斯分布的噪声向量z长度也为1×N，其中z中的每个元素服从正态分布，即z_i～N(0,1)；

生成网络的第一层为含有2N个神经元的全连接层f₁，记其输出为p₁，则本层运算定义为：

p₁＝f₁(z)，其中，z∈R^1×N，p₁∈R^1×2N

f₁将z映射到一个两倍于原来的高维空间；

生成网络的第二层为含有4N个神经元的全连接层f₂，记其输出为p₂，则本层运算定义为：