基于广义动态因子模型和生成对抗网络的风力场景生成
机器学习
2025-08-04 v1 系统与控制
系统与控制
摘要
为开展资源 adequacy 研究，我们通过利用时空特征（包括空间和时间相关性、波形、波形的边际分布和坡度分布、功率密度谱以及统计特征）综合生成多个分布式风力场的长期风力场景。生成场景中的空间相关性需要为相邻风力场设计公共因子，并为远距离风力场设计反向因子。广义动态因子模型（GDFM）可通过交叉谱密度分析提取公共因子，但无法精确模拟波形。生成对抗网络（GAN）可通过伪样本判别器综合具有时序相关性的合理样本。为融合 GDFM 和 GAN 的优势，我们使用 GAN 提供的滤波器从观测数据中提取带有时序信息的动态因子，再将其应用于 GDFM，以表示合理波形的空间和频率相关性。在澳大利亚风力场景综合方面，GDFM 与 GAN 组合的数值测试结果表明，其性能优于采用来自实际动态滤波器分布的滤波器综合的 GDFM 以及不使用动态因子直接综合的 GAN 等竞争方法，更能真实再现实际风力的统计特征。
引用
@article{arxiv.2508.00692,
title = {Wind Power Scenario Generation based on the Generalized Dynamic Factor Model and Generative Adversarial Network},
author = {Young-ho Cho and Hao Zhu and Duehee Lee and Ross Baldick},
journal= {arXiv preprint arXiv:2508.00692},
year = {2025}
}