使用图卷积生成对抗网络生成风电场景
机器学习
2023-02-20 v2 人工智能
系统与控制
系统与控制
摘要
生成风电场景对于研究多个并网风电场的影响非常重要。我们利用 GAN 在无需统计建模的情况下生成大量逼真场景的能力，开发了一种图卷积生成对抗网络（GCGAN）方法。与现有的基于 GAN 的风电数据生成方法不同，我们设计了 GAN 的隐藏层以匹配底层的空间和时间特征。我们提倡使用图滤波器来嵌入多个风电场之间的空间相关性，并使用一维（1D）卷积层来表示时间特征滤波器。所提出的图滤波器和特征滤波器设计显著降低了 GAN 模型的复杂性，从而提高了训练效率并降低了计算复杂度。使用来自澳大利亚的真实风电数据的数值结果表明，所提出的 GCGAN 生成的场景比其他基于 GAN 的输出展现出更逼真的空间和时间统计特性。
引用
@article{arxiv.2212.10454,
title = {Wind Power Scenario Generation Using Graph Convolutional Generative Adversarial Network},
author = {Young-ho Cho and Shaohui Liu and Duehee Lee and Hao Zhu},
journal= {arXiv preprint arXiv:2212.10454},
year = {2023}
}