科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着光伏发电在电力系统中的日益普及，表征其固有的不确定性变得越来越重要。针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题，提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法。该方法首先以Wasserstein距离作为损失函数设计生成器和判别器两个深度神经网络进行对抗训练，其次在损失函数中引入一种梯度惩罚策略增强模型的Lipschitz连续性约束并创新性地应用于光伏功率的场景生成，提高了场景生成模型的收敛速度和生成场景的质量。所提方法能够捕获光伏出力的非线性，且无需建模假设和复杂的采样技术。算例分析表明，该方法能够精准捕捉光伏功率的分布特性，具有很强的泛化能力，并且优于其他先进的场景生成方法。
- 单位
