基于改进条件生成扩散模型的新能源日前情景生成方法
机器学习
2025-05-20 v1
摘要
在新能源发出比例日益提升的背景下，准确生成新能源出力情景对于日前电力系统调度至关重要。深度学习基于情景生成方法可以满足这一需求，但其黑箱本质引发了可解释性方面的疑虑。为此，本文引入一种基于改进条件生成扩散模型的日前新能源情景生成方法。该方法建立在马尔可夫链和变分推断的理论框架之上。首先，将历史数据通过扩散过程转换为纯噪声，然后利用条件信息引导去噪过程，最终生成满足条件分布的情景。此外，改进了噪声表，使其采用余弦形式，从而提升生成情景的质量。当应用于实际风力和光伏出力数据时，结果表明该方法有效地生成具有良好适应性的新能源出力情景。
引用
@article{arxiv.2503.07648,
title = {The day-ahead scenario generation method for new energy based on an improved conditional generative diffusion model},
author = {Changgang Wang and Wei Liu and Yu Cao and Dong Liang and Yang Li and Jingshan Mo},
journal= {arXiv preprint arXiv:2503.07648},
year = {2025}
}
备注
in Chinese language, Accepted by Power System Technology