利用条件变分自编码器生成多元负荷状态

对于电力系统规划以及运行工具的标定而言，在大量具有代表性的场景中分析系统性能至关重要。当可用的历史数据有限时，生成模型是一种有前景的解决方案，但建模高维依赖关系具有挑战性。本文提出了一种基于条件变分自编码器（CVAE）神经网络的多元负荷状态生成模型。相较于常见的 CVAE 实现，该模型在给定的潜向量下包含输出样本的随机变化，并对该输出可变性的参数进行协同优化。研究表明，这改善了生成数据的统计特性。使用单变量和多变量性能指标对生成的多元负荷的质量进行了评估。以欧洲电网的发电充裕性案例研究说明了该模型生成真实尾部分布的能力。实验表明，所提出的生成器优于其他数据生成机制。