基于时间生成对抗网络的风电随机场景预测

由于风电出力的随机性和时间相关性，利用常规的短期点或区间预测方法所得到的风电数据，无法支撑高比例风电接入下电力系统的鲁棒调度和可靠运行。提出一种基于时间生成对抗网络（TimeGAN）的风电随机场景预测模型。首先，将风电样本分解为静态和时间序列数据，并搭建嵌入、复现、生成和判别网络结构；其次，以静态和时间序列数据为样本，联合训练嵌入和复现网络；最后，以嵌入网络输出为样本，对抗训练生成和判别网络，并将生成网络输出反馈至嵌入-复现训练以检验时间序列拟合效果。以最小化重构、有监督和无监督损失为目标，模型深度学习风电时间特性并预测随机场景。算例验证了所提模型的有效性。