基于改进去噪扩散概率模型和模型迁移的新能源场站超短期出力场景生成

doi:10.13335/j.1000-3673.pst.2024.1528

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于改进去噪扩散概率模型和模型迁移的新能源场站超短期出力场景生成

更新时间：2025-10-18

- 基于改进去噪扩散概率模型和模型迁移的新能源场站超短期出力场景生成
- Issue 2, Pages: 511-521(2025)
- 作者机构：
  
  1. 1.武汉大学电气与自动化学院
  2. 2.中国电力科学研究院有限公司
  3. 3.中国长江三峡集团有限公司
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2024.1528
  CLC： TM61;TP183
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (2): 511-521.
DOI：

[J]. 2025, (2): 511-521. DOI： 10.13335/j.1000-3673.pst.2024.1528.

摘要

新能源出力具有强不确定性，为新型电力系统的调度、控制带来了极大的挑战。为实现精准的新能源出力场景建模，首先，针对常规新能源场站超短期出力的不确定性，该文提出一种改进的去噪扩散概率模型，结合改进的自注意力机制设计适配新能源超短期出力场景生成的神经网络架构，以更好地捕捉新能源出力时序上的相关性，拟合其概率分布，从而实现新能源场站超短期出力场景的生成；然后，针对新建新能源场站历史数据不足问题，提出基于模型迁移的新建新能源场站超短期出力场景生成框架，从而在小样本条件下完成场景生成模型的构建。最后，在美国国家可再生能源实验室开源的风电、光伏出力数据集上进行了算例分析，算例结果表明所提模型在各项评价指标上较生成对抗网络、变分自编码器以及无模型迁移具有显著的性能提升。

Abstract

关键词

Keywords

references

Lin Ye,Yishu Peng,Yilin Li,Zhuo Li.A novel informer-time-series generative adversarial networks for day-ahead scenario generation of wind power[J].Applied Energy,2024.

Dong Wei,Chen Xianqing,Yang Qiang.Data-driven scenario generation of renewable energy production based on controllable generative adversarial networks with interpretability[J].Applied Energy,2022.

State Key Lab of Power Systems, Dept. of Electrical Engineering, Tsinghua University, Beijing 100084, China,State Key Lab of Power Systems, Dept. of Electrical Engineering, Tsinghua University, Beijing 100084, China,National Power Dispatching & Control Center, State Grid Corporation of China, Beijing 100031, China,Qinghai Electric Power Company, Xining, Qinghai 810000, China,Qinghai Electric Power Company, Xining, Qinghai 810000, China,Qinghai Electric Power Company, Xining, Qinghai 810000, China.Optimal configuration of concentrating solar power in multienergy power systems with an improved variational autoencoder[J].Applied Energy,2020.

Chen Yize,Wang Yishen,Kirschen Daniel,Zhang Baosen.Model-Free Renewable Scenario Generation Using Generative Adversarial Networks[J].IEEE Transactions on Power Systems,2018.

Jiang Congmei,Mao Yongfang,Chai Yi,Yu Mingbiao,Tao Songbing.Scenario Generation for Wind Power Using Improved Generative Adversarial Networks[J].IEEE Access,2018.

Pierre Pinson,Henrik Madsen,Henrik Aa. Nielsen,George Papaefthymiou,Bernd Klöckl.From probabilistic forecasts to statistical scenarios of short‐term wind power production[J].Wind Energy,2009.

杨震,杨晶显,王凯,李玉梅,刘俊勇,张帅.基于去噪扩散概率模型的水-光互补系统随机场景生成方法[J].电力系统自动化,2024(19).

王成磊,匡熠,濮永现,唐岚,黄力文,束洪春.基于改进生成对抗网络场景生成的长-短期储能优化配置[J].高电压技术,2024(03).

陈凡,陈刘明,王曼,徐鸿琪,周小雨.基于改进信息最大化生成对抗网络的风光出力场景可控生成方法[J].电网技术,2024(04).

张帅,刘文霞,万海洋,吕笑影,Nawaraj Kumar Mahato,鲁宇.基于改进条件生成对抗网络的可控场景生成方法[J].电力自动化设备,2024(06).

任佳星,孙英云,秦继朔,刘栋,郭国栋,张柯欣.基于改进域对抗网络的新能源基地风光时序功率曲线生成方法[J].电网技术,2024(08).

阮广春,何一鎏,谭振飞,钟海旺.面向新型电力系统运行的数据-物理融合建模综述[J].中国电机工程学报,2024(13).

侯恺,刘泽宇,贾宏杰,穆云飞,朱乐为,曲嘉伟.含高比例可再生能源的电力系统运行可靠性解析评估方法综述[J].高电压技术,2023(07).

欧阳福莲,王俊,周杭霞.基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法[J].电力系统保护与控制,2023(02).

李洪裕,董骁翀,王新迎,蒲天骄,孙英云.考虑数据隐私保护的可再生能源场景生成框架[J].电网技术,2023(09).

史昭娣,黄越辉,李湃,王伟胜.计及深度信念网络场景生成的风/光/储协同优化规划方法[J].电网技术,2023(04).

黄越辉,孙亚南,李驰,李湃,宋子源.基于条件生成对抗网络的多区域风电短期出力场景生成方法[J].电网技术,2023(01).

王建,吴昊,张博,南东亮,欧阳金鑫,熊小伏.不平衡样本下基于迁移学习-AlexNet的输电线路故障辨识方法[J].电力系统自动化,2022(22).

崔昊杨,韩奕,张驯,王茺,刘诚.基于改进U-Net结构生成对抗网络的运动模糊绝缘子图像复原方法[J].电网技术,2023(06).

张锐,刘剑青,张伯远,李金星,高天露,张俊.基于迁移学习的电网故障处置知识图谱构建及实时辅助决策研究[J].电力信息与通信技术,2022(06).

邵振国,张承圣,陈飞雄,谢雨寒.生成对抗网络及其在电力系统中的应用综述[J].中国电机工程学报,2023(03).

兰健,郭庆来,周艳真,孙宏斌.基于生成对抗网络和模型迁移的电力系统典型运行方式样本生成[J].中国电机工程学报,2022(08).

李金星,李湘,高天露,张俊,张伯远.基于电网多元信息知识图谱的故障处置研究及应用[J].电力信息与通信技术,2021(11).

戴宇欣,陈琪美,高天露,张俊.基于加权倾斜决策树的电力系统深度强化学习控制策略提取[J].电力信息与通信技术,2021(11).

董骁翀,孙英云,蒲天骄.基于条件生成对抗网络的可再生能源日前场景生成方法[J].中国电机工程学报,2020(17).

赵琦,王新迎,乔骥.数据驱动的能源互联网建模与仿真关键技术[J].电力信息与通信技术,2020(01).

董雷,孟天骄,陈乃仕,李烨,蒲天骄.采用马尔可夫链—多场景技术的交直流主动配电网优化调度[J].电力系统自动化,2018(05).

王玲玲,王昕,郑益慧,孙洪波,李佳春,赵明阳.计及多个风电机组出力相关性的配电网无功优化[J].电网技术,2017(11).

王群,董文略,杨莉.基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法[J].中国电机工程学报,2015(11).

Views

578

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进条件生成扩散模型的新能源日前场景生成方法

计及深度信念网络场景生成的风/光/储协同优化规划方法

面向配电网综合承载力提升的储能优化配置方法

高维变量下电力系统不确定性分析的快速Nataf变换方法

Development and Simulation of the Electrical Power System for a Hybrid Fuel Cell Vehicle

Related Author

王长刚

刘伟

曹宇

梁栋

李扬

莫静山

史昭娣

黄越辉

Related Institution

吉林供电公司变电二次检修中心

东北电力大学电气工程学院

现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)

新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)

四川大学电气工程学院

AI问答

⁰