基于生成对抗网络的无模型可再生能源场景生成
机器学习
2018-02-06 v2 系统与控制
最优化与控制
摘要
场景生成是高可再生能源渗透率电力系统运行与规划中的重要步骤。本文提出一种基于生成对抗网络的数据驱动场景生成方法，该方法依托两个相互连接的深度神经网络。与现有基于概率模型的方法（通常难以扩展或采样）相比，我们的方法由数据驱动，能够在时间和空间两个维度上捕捉大量相关资源的可再生能源出力模式。为进行验证，我们使用了来自NREL集成数据集的风能和太阳能时间序列数据。我们证明，所提出的方法能够生成具有完全行为多样性的逼真风电与光伏功率曲线。我们还展示了如何通过在训练期间使用标签数据，基于不同的感兴趣条件生成场景。例如，场景可以以天气事件（如大风日）或一年中的时间（如七月的某一天太阳能发电）为条件。由于神经网络的前馈特性，场景生成极为高效，无需复杂的采样技术。
引用
@article{arxiv.1707.09676,
title = {Model-Free Renewable Scenario Generation Using Generative Adversarial Networks},
author = {Yize Chen and Yishen Wang and Daniel Kirschen and Baosen Zhang},
journal= {arXiv preprint arXiv:1707.09676},
year = {2018}
}
备注
Accepted to IEEE Transactions on Power Systems; code available at https://github.com/chennnnnyize/Renewables_Scenario_Gen_GAN