买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利一种基于LSTM-ACGAN的特定风电场景生成方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119830012B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411904594.9，技术领域涉及：G06F18/214；该发明授权一种基于LSTM-ACGAN的特定风电场景生成方法及装置是由郭庆来;孙宏斌;葛彦硕;周艳真;王彬;吴文传设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于LSTM-ACGAN的特定风电场景生成方法及装置在说明书摘要公布了：本发明公开了基于LSTM‑ACGAN的特定风电场景生成方法及装置，本发明的方法包括基于历史负荷场景和历史风电场景，通过求解优化问题得出每个风电场景的弃风率，根据弃风率所属范围对风电场景进行分类，得原始风电场景数据集，然后通过将Bi‑LSTM模型引入ACGAN生成器的方式构建LSTM‑ACGAN模型，使用原始风电场景样本集对LSTM‑ACGAN进行训练，训练完成后得到可以生成不同特定类型风电场景的LSTM‑ACGAN生成器，通过对生成器输入高斯噪声和指定风电场景标签，使生成器生成大量与指定类型真实风电场景相似的特定风电场景。本发明能够为电力系统后续的分析决策提供辅助。

本发明授权一种基于LSTM-ACGAN的特定风电场景生成方法及装置在权利要求书中公布了：1.一种基于LSTM-ACGAN的特定风电场景生成方法，其特征在于，包括： S1，基于电力系统历史负荷数据和历史风电出力数据得到历史负荷场景数据集和历史风电场景数据集，并对历史负荷场景数据集进行聚类得到典型负荷场景数据集； S2，基于典型负荷场景数据集中的典型负荷，通过求解优化问题得到历史风电场景数据集中每个风电场景对应的弃风率，并根据弃风率所属范围对风电场景进行分类得到原始风电场景数据集； 所述S2，具体包括： S21，构建优化问题的数学模型，公式如下： 目标函数： 优化问题约束： 0≤pwt≤Pwt PgminiXi,t≤Pgi,t≤PgmaxiXi,t Rdi≤Pgi,t+1-Pgi,t≤Rui Xi,t-Xi,t-1-Yi,t+Zi,t＝0 -Xi,t-Xi,t-1+Yi,t≤0 Xi,t+Xi,t-1+Yi,t≤2 -Xi,t-Xi,t-1+Zi,t≤0 Xi,t+Xi,t-1+Zi,t≤2 其中t表示1～T之间的某个时间点；Pw表示某一风电场景，Pwt表示风电场景Pw在t时刻的最大可发功率，pwt表示风电场景Pw在t时刻的实发功率；Ngen表示火电机组数量；i表示火电机组的编号，i＝1,2,...,Ngen；Pgi,t表示第i台火电机组在t时刻的有功出力；Pd表示某一典型负荷场景，Pdt表示负荷场景Pd在t时刻的负荷大小；Xi,t表示机组i在t时刻的运行状态，若该时刻正处于运行状态则为1，处于停机状态则为0；Yi,t表示机组i在t时刻的启动过程，若该时刻机组正在开机则为1，否则为0；Zi,t表示机组i在t时刻的关停过程，若该时刻机组正在关机则为1，否则为0；Pre为系统旋转备用系数；Pgmaxi为机组i的最大有功出力，Pgmini为机组i的最小有功出力；Rdi为第i台火电机组的最大下坡速率，Rui为第i台火电机组的最大上坡速率；Ton和Toff分别代表机组的最小启动时间和最小关停时间； S22，对典型负荷场景Pdm，分别对Dw0中的每个风电场景Pwl进行优化问题求解，得到1～T时刻中风电场景Pwl的实发功率pwlt，其中l＝1,2,...,nw表示风电场景的序号；之后计算每个风电场景Pwl对应的弃风率ηl，计算公式如下： S23，根据弃风率所属范围将nw个风电场景划分为K类，每类风电场景数据集分别记为Dwm_1，Dwm_2，…，Dwm_K，共同构成典型负荷场景Pdm对应的原始风电场景数据集Dwm＝{Dwm_k}，其中k＝1,2,...K； S24，对所有典型负荷场景Pd1，Pd2，…，PdM，分别进行S22～S23中的操作步骤，分别得到Dw1，Dw2，…，DwM，共同构成原始风电场景数据集Dw＝{Dwm}，其中m＝1,2,...,M； S3，基于Bi-LSTM和全连接层神经网络构建LSTM-ACGAN模型；其中，所述LSTM-ACGAN模型，包括生成器、判别器和分类器； S4，利用原始风电场景数据集对LSTM-ACGAN模型进行训练，并在训练完成后将生成器作为风电场景生成器； 所述S4，具体包括： S41，设定训练参数，包括训练轮数Ep，批训练大小B，优化器，学习率lr； S42，对第m个典型负荷场景Pdm，使用其对应的原始风电场景数据集Dwm对相应的LSTM-ACGAN模型进行训练，模型训练完毕后，取模型的生成器MGm作为第m个典型负荷场景Pdm对应的风电场景生成器； S43，对所有典型负荷场景Pd1，Pd2，…，PdM，分别进行S42中的操作步骤，分别得到每种典型负荷场景对应的风电场景生成器，共同构成面向所有典型负荷的风电场景生成器MG＝{MGm}，其中m＝1,2,...,M； S5，基于典型负荷场景和待生成的风电场景类型，以利用对应的风电场景生成器生成与真实风电场景相似的风电场景； 所述S5，具体包括： S51，确定负荷场景类型m、待生成风电场景类型c和待生成风电场景数量N，对于第m类典型负荷场景，选取对应的风电场景生成器MGm； S52，向MGm输入N个Z维的高斯噪声z和类型标签c，则生成器将输出N个针对典型负荷场景Pdm的类型为c的生成风电场景，完成特定风电场景生成。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。