摘要
本发明公开了一种考虑源荷耦合的场景生成方法、系统、设备及介质,涉及场景生成技术领域,该方法包括:根据历史源荷数据的数据进行纵向扩充得到纵向扩充数据,将横向扩充数据和纵向扩充数据进行数据融合;利用自组织映射聚类算法对样本数据进行聚类分析,构建聚类分析结果中各个日类型之间的状态转移矩阵,并生成未来预测时间段内的日类型序列;对各个日类型预置的GAN模型进行训练,将满足预设训练结束条件的各个GAN模型确定为预测模型;将各个日类型的簇数据输入至对应的预测模型中进行处理;解决了现有技术中人工智能算法需要的历史数据信息不足、聚类方法在样本大时计算速度过慢,以及在极端条件下未考虑电源和负荷的平衡等问题。
技术关键词
场景生成方法
GAN模型
历史负荷数据
非暂态计算机可读存储介质
聚类算法
蒙特卡洛算法
序列
场景生成技术
样本
场景生成系统
时间段
矩阵
人工智能算法
组织
聚类方法
典型
随机噪声
系统为您推荐了相关专利信息
斜拉索索力
识别方法
频率
非暂态计算机可读存储介质
频谱分析模块
深度强化学习模型
参数耦合关系
高光谱成像仪
激光功率传感器
动态压力传感器
趋势预测方法
消息传递机制
水文
动态贝叶斯网络
协同克里金
依存句法分析方法
上下文语义信息
预训练模型
长短时间记忆网络
知识迁移学习