基于改进MMD-GAN的可再生能源随机场景生成OA北大核心CSTPCD
Stochastic scenario generation for renewable energy based on improved MMD-GAN
针对可再生能源出力不确定性的准确表征问题,提出了一种基于改进的最大均值差异生成对抗网络(maximum mean discrepancy generative adversarial networks,MMD-GAN)的可再生能源随机场景生成方法.首先,阐述了GAN及MMD-GAN的基本原理,提出了MMD-GAN的改进方案,即在MMD-GAN的基础上改进鉴别器损失函数,并采用谱归一化和有界高斯核提升生成器和鉴别器的训练稳定性.然后,设计了基于改进…查看全部>>
It is difficult to obtain an accurate characterization of the uncertainty of renewable energy output.Thus an approach for generating stochastic scenarios of renewable energy based on improved maximum mean discrepancy generative adversarial networks(MMD-GAN)is proposed.First,the fundamental principles of GAN and MMD-GAN are described,and an improved scheme of MMD-GAN is proposed,one which enhances the discriminator's loss function on the basis of MMD-GAN and …查看全部>>
吴艳梅;陈红坤;陈磊;褚昱麟;高鹏;吴海涛
交直流智能配电网湖北省工程中心(武汉大学),湖北 武汉 430072||武汉大学电气与自动化学院,湖北 武汉 430072交直流智能配电网湖北省工程中心(武汉大学),湖北 武汉 430072||武汉大学电气与自动化学院,湖北 武汉 430072交直流智能配电网湖北省工程中心(武汉大学),湖北 武汉 430072||武汉大学电气与自动化学院,湖北 武汉 430072交直流智能配电网湖北省工程中心(武汉大学),湖北 武汉 430072||武汉大学电气与自动化学院,湖北 武汉 430072交直流智能配电网湖北省工程中心(武汉大学),湖北 武汉 430072||武汉大学电气与自动化学院,湖北 武汉 430072国网武汉供电公司,湖北 武汉 430050
场景生成最大均值差异生成对抗网络可再生能源数据驱动
scenario generationmaximum mean discrepancy(MMD)generative adversarial networks(GAN)renewable energydata-driven
《电力系统保护与控制》 2024 (19)
85-96,12
This work is supported by the Joint Fund of National Natural Science Foundation of China(No.U23B20117). 国家自然科学基金联合基金项目资助(U23B20117)
评论