典型文献
基于生成矩匹配网络的光伏和风电随机场景生成
文献摘要：
风电和光伏在配电网中的渗透率逐年提高,其出力的随机性和波动性给配电网的运行和规划带来了巨大的挑战.针对可再生能源输出功率的不确定性问题,提出了基于生成矩匹配网络(generative moment matching network,GMMN)的光伏和风电随机场景生成方法.该方法采用最大平均差异作为生成器的损失函数,并利用自动编码器对生成的随机场景进行降维,以解决高维功率曲线的低维流形问题.根据功率曲线的特征,设计了适用于可再生能源随机场景生成的网络结构,并通过实际数据验证了所提方法的有效性和适应性.仿真结果表明,所提的GMMN不仅能很好地模拟光伏和风功率曲线的形状特征、概率分布特征、波动性以及时空相关性,还具有较好的普适性,仅需调节网络的结构和参数就能应用于不同发电单元的随机场景生成任务.
文献关键词：
深度学习;数据驱动;自动编码器;生成矩匹配网络;场景生成;可再生能源
中图分类号：
作者姓名：
朱瑞金;廖文龙;王玥珑;王煜森;陈洁婧
作者机构：
西藏农牧学院电气工程学院,林芝860000;奥尔堡大学能源技术系,奥尔堡9220;国网天津城西公司,天津300100;瑞典皇家理工学院电气工程与计算机科学学院,斯德哥尔摩SE-100 44;北京大学软件与微电子学院,北京102600
文献出处：
引用格式：
[1]朱瑞金;廖文龙;王玥珑;王煜森;陈洁婧-.基于生成矩匹配网络的光伏和风电随机场景生成)[J].高电压技术,2022(01):374-384
A类：
生成矩匹配网络,GMMN
B类：
随机场,场景生成,配电网,渗透率,出力,随机性,波动性,可再生能源,输出功率,generative,moment,matching,network,生成方法,最大平均差异,生成器,损失函数,自动编码器,高维,低维,维流形,实际数据,数据验证,风功率曲线,形状特征,概率分布,时空相关性
AB值：
0.246539
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
