关键词:
新能源发电
生成对抗网络
数据迁移
超分辨率重建
场景生成
摘要:
新能源发电具有显著的不确定性特征,如何精准刻画新能源发电的不确定性,是电力系统规划、运行与调度所面临的关键问题之一。场景分析方法依据不确定性变量的概率特征生成多个典型场景,以描述新能源发电的不确定性,但在历史先验数据匮乏、数据分辨率较低的情况下,现有的场景生成方法难以准确生成新能源发电场景。为此,论文提出了基于生成对抗网络的新能源发电场景生成方法,有效解决了新能源电站历史数据匮乏问题与数据分辨率较低的问题。
首先,针对新能源电站历史数据匮乏问题,论文提出了基于深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据。采用实际风电数据集对所提算法和模型进行验证,结果表明所提算法与模型能准确生成缺失的新能源发电场景数据。
其次,针对新能源电站数据分辨率较低问题,论文提出了基于数据图像超分辨率生成对抗网络(data-image super-resolution generative adversarial network,DISRGAN)的新能源发电场景数据重建方法。该方法通过映射算法挖掘高低分辨率数据的关联,进而分别将高低分辨率的新能源发电数据编码成对应的高低分辨数据图像。而后利用数据图像对DISRGAN模型进行训练,通过训练后的DISRGAN模型将低分辨率数据重建成高分辨率数据。利用实际光伏发电数据进行数值实验,结果表明所提算法与模型能准确重建高分辨率新能源发电场景数据。
最后,基于上述方法,以综合能源系统运行成本最小为目标函数,构建含新能源的电-气综合能源系统日前优化调度模型。将数据迁移与数据重建前后所生成的新能源发电场景,分别应用于日前优化调度模型中,结果表明本文方法在历史先验数据匮乏、数据分辨率较低的情况下,所生成的新能源发电场景依然具有较高的精度,符合电-气综合能源系统的日前优化调度需求。