[发明专利]一种中期风电场景生成方法和系统

权利要求书

1.一种中期风电场景生成方法，其特征在于，包括：

S1，获取预设条件和风电电量数据，所述预设条件包括风电总能量的区间类型或总时间分辨率，其中，所述区间类型包括：单日的日平均电量、多日的日平均电量、单日的总电量和多日的总电量；

S2，将所述预设条件和所述风电电量数据输入到优化后的中期风电场景生成模型中，生成中期风电场景的风电时序曲线；所述中期风电场景生成模型中的生成器和辨别器中的卷积层由时序增强模块替换；所述时序增强模块用于重建特征图的时序关联，输出具有N阶差分特性的卷积特征图；

其中，在S2之前，还包括：

根据所述时序增强模块结合改进后的条件对抗神经网络算法建立中期风电场景生成模型；改进所述条件对抗神经网络算法，包括：通过WGAN-GP算法替换条件对抗神经网络算法中的对抗神经网络，得到改进后的条件对抗神经网络算法；

将预设条件、噪声和训练样本输入所述中期风电场景生成模型进行训练，并对所述中期风电场景生成模型进行迭代、收敛，得到优化后的所述中期风电场景生成模型。

2.根据权利要求1所述的一种中期风电场景生成方法，其特征在于，所述时序增强模块具体用于，

将前一层输出的特征图F输入所述时序增强模块，所述时序增强模块将所述特征图F重塑为序列S；

对重塑后的所述序列S进行N阶差分；

将N阶差分后的所述序列S中的样本进行做差、填充，使所述序列S与原始序列长度相同；

再对做差、填充后的所述序列S进行维度重塑，并在通道维度上进行级联/求和，形成新的特征图张量作为后一层卷积层的输入。

3.根据权利要求1所述的一种中期风电场景生成方法，其特征在于，所述将预设条件、噪声和训练样本输入所述中期风电场景生成模型进行训练，具体包括：

设置所述预设条件，并将所述预设条件扩展到与所述噪声相同的长度，将所述预设条件、所述噪声和所述训练样本输入到所述中期风电场景生成模型中进行训练。

4.根据权利要求1或3所述的一种中期风电场景生成方法，其特征在于，所述条件还包括：风速或温度。

5.一种中期风电场景生成系统，其特征在于，包括：数据获取模块、数据分析系统和时序增强模块；

所述数据获取模块用于获取预设条件和风电电量数据，所述预设条件包括风电总能量的区间类型或总时间分辨率；

所述数据分析系统用于将所述预设条件和所述风电电量数据输入到优化后的中期风电场景生成模型中，生成中期风电场景的风电时序曲线；所述中期风电场景生成模型中的生成器和辨别器中的卷积层由时序增强模块替换；

所述时序增强模块用于重建特征图的时序关联，输出具有N阶差分特性的卷积特征图；

其中，所述中期风电场景生成模型，具体包括：模型生成模块和模型优化模块；

所述模型生成模块用于根据所述时序增强模块结合改进后的条件对抗神经网络算法建立中期风电场景生成模型；改进所述条件对抗神经网络算法，包括：通过WGAN-GP算法替换条件对抗神经网络算法中的对抗神经网络，得到改进后的条件对抗神经网络算法；

模型优化模块用于将预设条件、噪声和训练样本输入所述中期风电场景生成模型进行训练，并对所述中期风电场景生成模型进行迭代、收敛，得到优化后的所述中期风电场景生成模型。

6.根据权利要求5所述的一种中期风电场景生成系统，其特征在于，所述时序增强模块具体用于，

将前一层输出的特征图F输入所述时序增强模块，所述时序增强模块将所述特征图F重塑为序列S；

对重塑后的所述序列S进行N阶差分；

将N阶差分后的所述序列S中的样本进行做差、填充，使所述序列S与原始序列长度相同；

再对做差、填充后的所述序列S进行维度重塑，并在通道维度上进行级联/求和，形成新的特征图张量作为后一层卷积层的输入。

7.根据权利要求5所述的一种中期风电场景生成系统，其特征在于，所述模型优化模块具体用于设置所述预设条件，并将所述预设条件扩展到与所述噪声相同的长度，将所述预设条件、所述噪声和所述训练样本输入到所述中期风电场景生成模型中进行训练。

8.根据权利要求5或7所述的一种中期风电场景生成系统，其特征在于，所述条件，还包括：风速或温度。