[发明专利]用神经网络和交叉熵采样的风电电力系统可靠性估测方法

权利要求书

1.一种用神经网络和交叉熵采样的风电电力系统可靠性估测方法，其特征在于方法包括以下步骤：

1)利用历史风电数据，对电力系统网络模型进行训练，对风电场风速的概率分布进行估计；

所述1)具体为：

1.1)建立电力系统网络模型，电力系统网络模型是由生成网络和判别网络的两部分连接构成；以历史风速数据集W＝{S₁,S₂,…,S_n}作为电力系统网络模型的训练数据集，S_i表示i时刻的风速矢量，N_W为风电场的总数，为第i时刻第j个风电场的风速；

1.2)从历史风速数据集W中随机采样k组数据{S₍₁₎,S₍₂₎,…,S_(k)}，同时随机生成k组高斯随机噪声{V₍₁₎,V₍₂₎,…,V_(k)}；

1.3)利用梯度上升法进行判别网络的训练：

θ_D+γ_Dg_D→θ_D (2)

其中，D(x；θ_D)是判别网络的输出，表示输入数据x来自历史风速数据集W的概率，θ_D为判别网络的网络权重；G(V_(j)；θ_G)是生成网络的输出，θ_G为生成网络的网络权重；γ_D为判别网络的学习率；输入数据x为判别网络的输入/生成网络的输出，箭头表示赋值，g_D表示判别网络的梯度，表示对θ_D的求导计算；

1.4)再次随机生成k组高斯随机噪声{V₍₁₎,V₍₂₎,…,V_(k)}；

1.5)利用梯度下降法进行生成网络的训练：

θ_G←θ_G-γ_Gg_G (4)

其中，γ_G为生成网络的学习率，g_G表示生成网络的梯度，表示对θ_G的求导计算；

1.6)不断重复上述步骤1.2)～1.5)进行迭代处理，如果已达到最大迭代次数，则结束训练，否则返回步骤2)开始下一次迭代训练；

1.7)训练获得了训练后的电力系统网络模型；

2)对高斯随机噪声进行采样，将采样后的高斯随机噪声通过电力系统网络模型的生成网络处理输出风速，通过求解计算电力不足时间概率和电力不足期望的两个可靠性参数，实现对含风电场电力系统的高效可靠性估测。