[发明专利]基于双判别器生成对抗网络的电网静态安全分析方法及系统

说明书

本发明涉及一种基于双判别器生成对抗网络的电网静态安全分析方法及系统，所述方法包括以下步骤：接收电网静态安全分析请求，所述请求用于请求基于可再生能源场景进行电网静态安全分析；响应于所述请求，调用双判别器生成对抗网络模型，生成可再生能源场景的出力曲线；基于所述可再生能源场景的出力曲线进行电网静态安全分析。本发明通过调用双判别器生成对抗网络模型生成可再生能源场景的出力曲线，能够对并入高渗透率可再生能源的电网进行简便、合理的静态安全分析，分析结果可靠，效率高。

技术领域

本发明属于电力系统自动化领域，尤其涉及一种基于双判别器生成对抗网络的电网静态安全分析方法及系统。

背景技术

因高渗透率可再生能源发电的间歇性和强不确定性，电网在线N-1静态安全分析方法将会面临一些严峻挑战。其主要有两点：一是如何对这些不确定性场景进行合理建模；二是可再生能源发电的不确定性会使需要校核的场景数量呈指数级别增加。在风光场景生成方面，现有研究对于可再生能源发电场景的建模方法，可总结为两大类：一是先假定可再生能源发电的概率分布模型，然后采用蒙特卡洛法进行采样来生成可再生能源发电场景；二是时序法。方法一需要根据大量历史数据来统计可再生能源出力的概率分布模型，且统计出来也较难计算出精确的模型参数；倘若某区域有N种可再生能源类型，分布于M个地点，则需要统计建立N*M个模型，且这N*M个模型是相互独立的，并没有考虑相互之间的时空相关性。方法二若要获得可再生能源发电的多样性场景，需要包含大量的运行状态，这也是比较困难的。

现有技术中，对并入高渗透率可再生能源的电网静态安全分析，尚无简便、合理的分析方法。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于双判别器生成对抗网络(Dual Discriminator Generative Adversarial Nets，D2GAN)的电网静态安全分析方法及系统，通过调用双判别器生成对抗网络模型生成可再生能源场景的出力曲线，能够对并入高渗透率可再生能源的电网进行简便、合理的静态安全分析，分析结果可靠，效率高。

根据本发明的一个方面，本发明提供了一种基于双判别器生成对抗网络的电网静态安全分析方法，所述方法包括以下步骤：

接收电网静态安全分析请求，所述请求用于请求基于可再生能源场景进行电网静态安全分析；

响应于所述请求，调用双判别器生成对抗网络模型，生成可再生能源场景的出力曲线；

基于所述可再生能源场景的出力曲线进行电网静态安全分析。

优选的，还包括输出所述分析结果的步骤。

优选地，所述双判别器生成对抗网络模型的极大极小化博弈模型为：

其中，E代表期望值，G表示生成器；D₁、D₂表示判别器；D(G(z))为生成的数据G(z)在判别器D中判别为真的概率；D(x)代表真实数据x在判别器D中判别为真的概率；噪声数据z的分布为z～P_z；P_data(x)为可再生能源数据x的真实分布；α、β为参数。

优选地，利用卷积神经网络构造所述双判别器，生成对抗网络模型的生成器和判别器。

优选地，将可再生能源出力历史数据作为输入量输入到所述双判别器生成的对抗网络模型中，训练得到生成器，使所述生成器生成符合联合分布的可再生能源出力场景的出力曲线。

根据本发明的另一方面，本发明还提供了一种基于双判别器生成对抗网络的电网静态安全分析系统，所述系统包括：

接收模块，用于接收电网静态安全分析请求，所述请求用于请求基于可再生能源场景进行电网静态安全分析；