典型文献
含有梯度惩罚的WGAN光伏功率场景生成方法
文献摘要：
随着光伏发电在电力系统中的日益普及,表征其固有的不确定性变得越来越重要.针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题,提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法.该方法首先以Wasserstein距离作为损失函数设计生成器和判别器两个深度神经网络进行对抗训练,其次在损失函数中引入一种梯度惩罚策略增强模型的Lipschitz连续性约束并创新性地应用于光伏功率的场景生成,提高了场景生成模型的收敛速度和生成场景的质量.所提方法能够捕获光伏出力的非线性,且无需建模假设和复杂的采样技术.算例分析表明,该方法能够精准捕捉光伏功率的分布特性,具有很强的泛化能力,并且优于其他先进的场景生成方法.
文献关键词：
生成对抗网络;场景生成;深度学习;光伏功率;梯度惩罚
中图分类号：
作者姓名：
胡石峰;朱瑞金;唐波
作者机构：
西藏农牧学院电气工程学院,林芝 860000
文献出处：
引用格式：
[1]胡石峰;朱瑞金;唐波-.含有梯度惩罚的WGAN光伏功率场景生成方法)[J].电力系统及其自动化学报,2022(11):109-115
A类：
B类：
梯度惩罚,WGAN,光伏功率,场景生成,生成方法,光伏发电,电力系统,统计假设,模型训练,改进生成对抗网络,先以,Wasserstein,损失函数,设计生成,生成器,判别器,深度神经网络,对抗训练,惩罚策略,增强模型,Lipschitz,生成模型,收敛速度,光伏出力,算例分析,分布特性,泛化能力
AB值：
0.319593
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。
