基于小樣本學(xué)習(xí)和生成式對抗網(wǎng)絡(luò)模型的短期風(fēng)電功率預(yù)測

欒 毅， 剡文林，劉 巖，楊永強(qiáng)

(1.云南電力調(diào)度控制中心，云南 昆明 650041；2.華北電力大學(xué)能源動力與機(jī)械工程學(xué)院，北京 102206)

0 引 言

風(fēng)電是一種重要的低碳能源，它具有低成本、清潔、可再生等諸多優(yōu)點(diǎn)，具有可持續(xù)能源供應(yīng)的潛力[1]。風(fēng)能固有的間歇性、隨機(jī)性和波動性等特點(diǎn)給大規(guī)模風(fēng)電并網(wǎng)的安全調(diào)度和平穩(wěn)運(yùn)營帶來挑戰(zhàn)[2]。準(zhǔn)確的風(fēng)電預(yù)測不僅可以有效解決風(fēng)電消納問題，也會增強(qiáng)風(fēng)電在電力市場中的競爭力[3]。

風(fēng)電預(yù)測問題屬于數(shù)據(jù)密集型應(yīng)用，其核心挑戰(zhàn)是如何處理大量、復(fù)雜、豐富多樣、快速變化的數(shù)據(jù)。機(jī)器學(xué)習(xí)在數(shù)據(jù)密集型應(yīng)用中非常成功，但當(dāng)數(shù)據(jù)集很小時，機(jī)器學(xué)習(xí)模型無法很好的學(xué)習(xí)到數(shù)據(jù)的完整特征[4]。國內(nèi)外已有大量研究[5-7]表明，統(tǒng)計方法的模型并不直接建立風(fēng)速與功率的物理關(guān)系，而是試圖找出數(shù)據(jù)之間的映射關(guān)系，需要對大量的歷史數(shù)據(jù)進(jìn)行識別、擬合、訓(xùn)練，才能達(dá)到一定的精度。為了解決這一問題，近年來提出了小樣本學(xué)習(xí)(Few-shot learning， FSL)[8]。利用先驗知識，F(xiàn)SL可以快速地泛化到只包含少量有監(jiān)督信息的樣本的新任務(wù)中[9]。

本文主要開展了以下3方面工作：①針對區(qū)域電網(wǎng)內(nèi)的風(fēng)電場缺少大量歷史數(shù)據(jù)的問題，本文提出了一種基于FSL的生成對抗網(wǎng)絡(luò)(Generative Adversarial Network， GAN)[10]模型用以擴(kuò)充樣本集，從而更好地完成風(fēng)電預(yù)測模型的訓(xùn)練與預(yù)測功能；②針對傳統(tǒng)生成對抗網(wǎng)絡(luò)模型無法處理回歸問題的情況，提出了改進(jìn)-生成對抗網(wǎng)絡(luò)(GR-GAN)的模型，使其可以在樣本有限的條件實現(xiàn)風(fēng)電預(yù)測這一回歸問題；……