基于VAE-CGAN的光伏不确定性建模方法

• 作者: 张文强 陈静 杨伟 陈盛凯 徐泽 丁盛阳
• 来源期刊: 电网技术
• 关键词: 光伏出力 天气条件 不确定性 变分自编码器 条件生成对抗网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 高比例可再生能源并网|High Share of Renewable Energy Integration
• 页码范围: 1273-1279
• 页数: 7页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.0924

摘要

随着可再生能源渗透率的提高,光伏出力的不确定性和波动性给电网的调度、规划、运行带来更大的挑战.针对光伏出力的不确定性问题,该文提出了一种基于变分自编码器(variational autoencoder,VAE)和条件生成对抗网络(conditional generative adversarial networks,CGAN)联合结构的不确定性建模方法.该方法利用VAE提取天气信息的特征,并将其作为CGAN的条件,从而生成特定天气条件下的光伏不确定出力序列.通过与高斯混合模型方法对比验证,所提的VAE-CGAN模型缩小了特定天气条件下光伏不确定性出力的范围,更具合理性.