一种用于场景预测的无监督深度学习方法
最优化与控制
2018-03-21 v2
摘要
本文提出一种新颖的场景预测方法，可应用于多种预测时域与预测区间下的广泛电力系统运行（如风电、光伏、负荷）。该方法无模型且数据驱动，仅基于历史观测与单点预测生成一组代表可能未来行为的场景。它首先应用新近提出的无监督深度学习框架——生成对抗网络（GAN）——学习历史可再生能源发电数据中的内在模式。随后通过求解一个优化问题，我们能够快速生成大量逼真的未来场景。所提方法已应用于国家可再生能源实验室的风电发电与预测数据集。仿真结果表明，我们的方法能够生成捕捉时空相关性的场景。我们的代码与仿真数据集可在线免费获取。
引用
@article{arxiv.1711.02247,
title = {An Unsupervised Deep Learning Approach for Scenario Forecasts},
author = {Yize Chen and Xiyu Wang and Baosen Zhang},
journal= {arXiv preprint arXiv:1711.02247},
year = {2018}
}
备注
Accepted to Power Systems Computation Conference 2018 Code available at https://github.com/chennnnnyize/Scenario-Forecasts-GAN