典型文献
基于AM-GAN的源荷场景生成方法研究
文献摘要：
双碳目标下,可再生能源及新型负荷的渗透率日益增加,其引入的不确定性将给电力系统的安全经济运行带来极大挑战.为准确表征新能源和负荷功率的不确定性,提出了一种基于注意力机制(AM)生成对抗网络(AM-GAN)的源荷场景生成方法.该方法在传统生成对抗网络(GAN)结构的基础上使用卷积神经网络来增强其特征生成能力,在判别器中引入AM提高其对源荷时序数据相似性的判定能力,选用Wasserstein距离来衡量生成数据和真实数据之间的距离,提高训练的稳定性.采用实际源荷数据对所提方法进行验证,并与基于传统GAN的场景生成方法进行对比.对比结果表明,所提方法能更准确地描述源荷不确定性.该方法可用于配电网规划,为新能源大规模并网的配电网规划提供解决思路.
文献关键词：
可再生能源;场景生成;卷积神经网络;生成对抗网络;注意力机制
中图分类号：
作者姓名：
郭雨涵;吴君;郁丹;苏本庆
作者机构：
浙江华云电力工程设计咨询有限公司,浙江 杭州 310000;上海电力大学电气工程学院,上海 200090
文献出处：
引用格式：
[1]郭雨涵;吴君;郁丹;苏本庆-.基于AM-GAN的源荷场景生成方法研究)[J].自动化仪表,2022(12):13-18
A类：
B类：
AM,GAN,场景生成,生成方法,双碳目标,可再生能源,渗透率,电力系统,安全经济,经济运行,负荷功率,注意力机制,生成对抗网络,传统生成,特征生成,生成能力,判别器,时序数据,数据相似性,定能,Wasserstein,真实数据,提高训练,源荷不确定性,配电网规划,并网,解决思路
AB值：
0.311405
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。
