基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法
Renewable Power Generation Data Transferring Based on Conditional Deep Convolutions Generative Adversarial Network作者机构:福建省电器智能化工程技术研究中心(福州大学)福建省福州市350108
出 版 物:《电网技术》 (Power System Technology)
年 卷 期:2022年第46卷第6期
页 面:2182-2189页
核心收录:
学科分类:0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学]
基 金:国家自然科学基金项目(51777035) 福建省自然科学基金项目(2020J02028,2021J05135) 福州市科技平台创新项目(2020-PT-143)。
主 题:新能源发电 不确定性 数据迁移 生成对抗网络 深度卷积神经网络
摘 要:针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律。采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generative adversarial network,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据。