基于GAN技术的自能源混合建模与参数辨识方法
自能源(We-energy,WE)作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异,现有方法还不能对其参数精确地辨识.为了解决上述问题,本文根据自能源网络结构提出了一种基于GAN 技术的数据-机理混合驱动方法对自能源模型参数辨识.将GAN (Generative adversarial networks) 模型中训练数据与专家经验结合进行模糊分类,解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练,解决了自能源中输出序列离散的问题.仿真结果表明,提出的模型具有较高的辨识精度和更好的推广性,能有效地拟合系统不同工况下各节点的状态变化.
能源互联网、自能源、生成式对抗网络、生成式模型、对抗学习、零和博弈
44
国家自然科学基金重点项目61433004;国家自然科学基金61573094;中央高校基础科研业务费N140402001资助 Supported by the Key Program of National Natural Sci-ence Foundation of China61433004;National Natural Science Foundation of China61573094;The Central University Based Research FeesN140402001
2018-06-20（万方平台首次上网日期，不代表论文的发表时间）
共14页
901-914
