生成对抗网络及其在电力系统中的应用综述

作     者：邵振国 张承圣 陈飞雄 谢雨寒 SHAO Zhenguo;ZHANG Chengsheng;CHEN Feixiong;XIE Yuhan

作者机构：福建省电器智能化工程技术研究中心(福州大学电气工程与自动化学院)福建省福州市350108 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2023年第43卷第3期

页      面：987-1003页

核心收录：

学科分类：0710[理学-生物学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51777035,52107080) 福建自然科学基金重点项目(2020J02028)。 

主　　题：深度学习 生成对抗网络 电力系统 样本增强 样本生成 

摘      要：随着电力系统的迅猛发展,如何高效利用海量、多源、多维的电力数据,是当前电力行业面临的重要技术问题之一。相对于传统机器学习算法,深度学习具有较强的数据降维能力、非线性拟合能力和特征提取能力。生成对抗网络(generative adversarial network,GAN)作为一类深度学习模型,能够很好地实现电力数据样本的增强与生成。该文首先介绍GAN的基本原理,分析其优势与劣势;此后从网络结构与目标函数的角度出发,分别介绍在电力系统中应用较为广泛的4种GAN衍生模型,进而对GAN在电力系统中的应用现状进行详细的综述,归纳每个应用场景所采用的GAN模型及其特点;最后,总结GAN在电力系统中进一步深入应用所要解决的问题,并展望未来的应用前景。