生成对抗网络及其在新能源数据质量中的应用研究综述

作者：李洋; 肖泽青^*; 聂松松; 曹军威; 华昊辰

来源：南方电网技术, 2020, 14(02): 25-33.

DOI：10.13648/j.cnki.issn1674-0629.2020.02.003

• 新能源
• 数据质量
• 生成对抗网络(GAN)

由于新能源数据的随机性和波动性等特点,并网数据存在的数据缺失、重复、异常以及分布不均匀等数据质量问题变得越来越突出,针对数据质量的评估和治理等研究对新能源的发展具有重要的积极意义。传统数据质量研究手段不适用于解决新能源数据质量问题,而人工智能算法在处理这方面问题上具有无可比拟的优点。生成对抗网络(generative adversarial networks,GAN)是人工智能领域近年来最热门的研究方向之一,其出色的数据生成能力受到了广泛的关注。本文首先介绍了经典GAN的架构、优劣势及其改进综述;接着对GAN在新能源方面的应用进行了综述;然后概述了新能源数据质量研究文献,并阐述了GAN在新能源数据质量方面的应用;最后总结并展望了未来GAN在新能源方面的可能应用。

• 单位
  国家电网有限公司; 清华大学