文献类型：期刊文章

作　　者：于龙泽[1] 肖白[1] 孙立国[2]

Yu Longze;Xiao Bai;Sun Liguo(School of Electrical Engineering,Northeast Electric Power University,Jilin Jilin 132012;Jiutai power plant of Huaneng Jilin Power Generation Co.,Ltd.,Changchun Jilin 130501)

机构地区：[1]东北电力大学电气工程学院,吉林吉林132012 [2]华能吉林发电有限公司九台电厂,吉林长春130501

出　　处：《东北电力大学学报》

基　　金：国家重点研发计划项目(2017YFB0902205);吉林省产业创新专项基金项目(2019C058-7)。

年　　份：2021

卷　　号：41

期　　号：6

起止页码：90-99

语　　种：中文

收录情况：JST、RCCSE、普通刊

摘　　要：针对多能源电力系统中给可再生能源消纳和系统优化调度带来不利影响的风电和光伏发电功率的不确定性的问题,提出了一种基于改进条件深度卷积生成对抗网络的风光出力场景生成方法.首先,设计适用于风电和光伏出力场景生成的条件生成对抗网络的网络结构,并采用Wasserstein距离作为判别器损失函数.然后,通过条件生成对抗网络的博弈训练使生成器学习到随机噪声与真实历史数据训练集的映射关系,从而高效地生成与真实场景分布接近的场景.最后,利用我国西北某省的风光历史出力数据进行测试,并与基于Markov和Copula理论的场景生成方法进行对比验证,结果表明文中方法生成的场景能够准确地描述可再生能源出力的不确定性.

关 键 词：可再生能源 不确定性 场景生成  条件生成对抗网络  深度学习  

分 类 号：TM71]