文档摘要：为准确描述风电出力的不确定性及时空相关性,提出一种考虑时空不确定性的风电出力场景生成方法.将生成对抗网络作为风电出力的场景生成模型,将卷积神经网络作为模型生成器与判别器以实现时间特征的提取,采用特征工程方式实现不同风电场间出力空间相关性的量化;通过格拉姆角场方式进行特征变换,并合理设置网络结构及参数进行网络训练,得到生成器输入与输出场景间的映射关系.采用实测数据对所提方法的有效性进行对比验证,实验结果表明所提方法具有较强的风电出力不确定性表示能力.
Abstract：Inordertoaccuratelydescribetheuncertaintyandspatiotemporalcorrelationcharacteristicofwindpoweroutput,ascenariogenerationmethodofwindpoweroutputconsideringthespatiotemporaluncer-taintyisproposed.Thegenerativeadversarialnetworkistakenasthescenariogenerationmodelofwindpoweroutput,theconvolutionneuralnetworkistakenasthemodelgeneratoranddiscriminatortoextractthetimefeature,andthequantizationofspatiotemporalcorrelationcharacteristicbetweentheoutputsofdif-ferentwindfarmsisrealizedbythemodeoffeatureengineering.ThefeaturetransformationiscarriedoutthroughthemodeofGramianangularfield,thenetworkstructureandparametersarereasonablysetfornet-worktraining,andthemappingrelationshipbetweeninputandoutputscenariosofgeneratorisobtained.Themeasureddataisadoptedforcomparisonandverificationoftheproposedmethod,andtheexperimentalresultsshowthattheproposedmethodhasstrongabilitytoexpresstheuncertaintyofwindpoweroutput.
作者：孙锴 张大海 李亚平 严嘉豪 Author：SUNKai ZHANGDahai LIYaping YANJiahao
作者单位：北京交通大学电气工程学院,北京100044中国电力科学研究院有限公司(南京),江苏南京210003
刊名：电力自动化设备 ISTICEIPKU
Journal：ElectricPowerAutomationEquipment
年，卷(期)：2024, 44(7)
分类号：TM73
关键词：场景生成 时空特性 特征工程 不确定性 生成对抗网络
Keywords：scenariogeneration spatiotemporalcharacteristic featureengineering uncertainty generativeadver-sarialnetwork
机标分类号：TP391.41TM73TM614
在线出版日期：2024年7月22日
基金项目：考虑时空不确定性的风电出力场景生成方法[
期刊论文] 电力自动化设备--2024, 44(7)孙锴 张大海 李亚平 严嘉豪为准确描述风电出力的不确定性及时空相关性,提出一种考虑时空不确定性的风电出力场景生成方法.将生成对抗网络作为风电出力的场景生成模型,将卷积神经网络作为模型生成器与判别器以实现时间特征的提取,采用特征工程方式...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：场景生成,时空特性,特征工程,不确定性,生成对抗网络,
|
|
1
