典型文献
基于像素卷积生成网络的可再生能源场景生成
文献摘要：
以光伏和风电为代表的可再生能源具有很强的间歇性和波动性,会给配电网的运行和优化带来巨大的挑战.为表征光伏和风电输出功率的不确定性,提出了基于像素卷积生成网络(pixel convolutional generative network,PCGN)的可再生能源随机场景生成方法.该方法通过链式法则将可光伏和风电出力曲线的联合分布因子化成多个1维分布的乘积,利用先前生成的输出功率来预测下一个功率值,从而实现可再生能源出力曲线的逐点生成.根据光伏和风电出力曲线的高维数据特征,设计了适用于可再生能源随机场景生成的网络结构,并通过实际运行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PCGN不仅可以准确地捕获光伏和风电出力曲线的形状特征、波动性、概率分布以及时空相关性,还具有较强的适应性,通过微调生成网络的结构和参数,就能用于不同可再生能源的随机场景生成任务.
文献关键词：
生成网络;可再生能源;场景生成;深度学习;数据驱动
中图分类号：
作者姓名：
廖文龙;杨德昌;葛磊蛟;杨哲;刘匡普;宋如楠
作者机构：
奥尔堡大学能源系,奥尔堡9220;中国农业大学信息与电气工程学院,北京100083;天津大学智能电网教育部重点实验室,天津300072;中国电力科学研究院有限公司,北京100192
文献出处：
引用格式：
[1]廖文龙;杨德昌;葛磊蛟;杨哲;刘匡普;宋如楠-.基于像素卷积生成网络的可再生能源场景生成)[J].高电压技术,2022(04):1320-1331
A类：
PCGN
B类：
像素,生成网络,场景生成,间歇性,波动性,配电网,风电输出功率,pixel,convolutional,generative,network,随机场,生成方法,链式法则,风电出力,力曲线,联合分布,乘积,先前,前生,可再生能源出力,逐点,高维数据,数据特征,实际运行,运行数据,数据验证,形状特征,概率分布,时空相关性,微调
AB值：
0.292575
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。
