申请/专利权人:上海理工大学
申请日:2023-11-17
公开(公告)日:2024-04-12
公开(公告)号:CN117874532A
主分类号:G06F18/22
分类号:G06F18/22;G06F18/23;G06N3/096;G06Q50/06;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明涉及一种数据缺失风电场短期风电出力场景生成方法,包括以下步骤:获取参考风电场中的源域数据和目标风电场的少量样本数据,采用相似数据域匹配方法,对参考风电场中的源域数据进行筛选提纯,以此提高参考风电场到目标风电场之间的数据迁移准确度;利用C‑DCGAN模型对提纯后的源域数据进行预训练,并将含有共同特征的训练模型通过迁移学习外推至目标风电场;使用目标风电场的少量样本对迁移过来的模型进行微调,从而得到新的场景生成模型。本发明解决了风电出力场景生成模型难以准确描述实际风电出力特征与概率分布规律的问题,提高学习迁移与C‑DCGAN模型训练的效果以及数据缺失的风电场风电出力场景生成的准确性。
主权项:1.一种数据缺失风电场短期风电出力场景生成方法,其特征在于,包括以下步骤:步骤一:获取参考风电场中的源域数据和目标风电场的少量样本数据,采用相似数据域匹配方法,对参考风电场中的源域数据进行筛选提纯,以此提高参考风电场到目标风电场之间的数据迁移准确度;步骤二:利用C-DCGAN模型对提纯后的源域数据进行预训练,并将含有共同特征的训练模型通过迁移学习外推至目标风电场;步骤三:使用目标风电场的少量样本对迁移过来的模型进行微调,从而得到新的场景生成模型,该场景生成模型可实现数据缺失风电场短期风电出力场景的准确生成。
全文数据:
权利要求:
百度查询: 上海理工大学 一种数据缺失风电场短期风电出力场景生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。