典型文献
基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法
文献摘要：
针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deepconvolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法.该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律.采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generative adversarial network,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据.
文献关键词：
新能源发电;不确定性;数据迁移;生成对抗网络;深度卷积神经网络
中图分类号：
作者姓名：
张承圣;邵振国;陈飞雄;江昌旭;冯健冰
作者机构：
福建省电器智能化工程技术研究中心(福州大学),福建省 福州市350108
文献出处：
引用格式：
[1]张承圣;邵振国;陈飞雄;江昌旭;冯健冰-.基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法)[J].电网技术,2022(06):2182-2189
A类：
deepconvolutions
B类：
深度卷积生成对抗网络,新能源发电,发电场,数据迁移,历史数据,数据缺失,场景生成,生成方法,conditional,generative,adversarial,network,DCGAN,新能源电站,模型学习,数据映射,映射关系,站场,所生,真实场景,数据分布,条件生成对抗网络,对比评估,深度卷积神经网络
AB值：
0.239956
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。
