基于可解释性条件生成对抗网络的台风气象负荷场景生成方法

罗萍萍; 盛奥; 林济铿; 马骞; 许琴; 刘一鸣

doi:10.7500/AEPS20240301002

您当前的位置：

首页 >

文章列表页 >

基于可解释性条件生成对抗网络的台风气象负荷场景生成方法

研制与开发 | 更新时间：2025-06-16

- 基于可解释性条件生成对抗网络的台风气象负荷场景生成方法
- Scenario Generation Method of Typhoon Meteorological Load Based on Interpretability Conditional Generative Adversarial Network
- 电力系统自动化 2025年49卷第2期页码：186-197
- 作者机构：
  
  1.上海电力大学电气工程学院，上海市 200090
  2.同济大学电子与信息工程学院，上海市 201804
  3.中国南方电网有限责任公司，广东省广州市 510663
  4.中国能源建设集团广东省电力设计研究院有限公司，广东省广州市 510663
- 作者简介：
  
  罗萍萍(1969—)，女，硕士，副教授，主要研究方向：电力系统继电保护。E-mail：luopingping@shiep.edu.cn
  盛奥(1997—)，男，硕士研究生，主要研究方向：新能源、负荷场景生成。E-mail：1772876090@qq.com
  林济铿(1967—)，男，通信作者，博士，教授，博士生导师，主要研究方向：电力系统优化调度、能量管理系统/分布式能量管理系统、电力市场、电网规划、电网应急、人工智能等。E-mail：mejklin@126.com
- 基金信息：
  
  国家自然科学基金资助项目(51177107)
- DOI：10.7500/AEPS20240301002
  中图分类号：
- 收稿：2024-03-01，
  
  修回：2024-06-24，
  
  网络出版：2024-08-23，
  
  纸质出版：2025-01-25
- 稿件说明：
移动端阅览
罗萍萍,盛奥,林济铿等.基于可解释性条件生成对抗网络的台风气象负荷场景生成方法[J].电力系统自动化,2025,49(2):186-197.

LUO Pingping,SHENG Ao,LIN Jikeng,et al.Scenario Generation Method of Typhoon Meteorological Load Based on Interpretability Conditional Generative Adversarial Network[J].Automation of Electric Power Systems,2025,49(2):186-197.
罗萍萍,盛奥,林济铿等.基于可解释性条件生成对抗网络的台风气象负荷场景生成方法[J].电力系统自动化,2025,49(2):186-197. DOI： 10.7500/AEPS20240301002.

LUO Pingping,SHENG Ao,LIN Jikeng,et al.Scenario Generation Method of Typhoon Meteorological Load Based on Interpretability Conditional Generative Adversarial Network[J].Automation of Electric Power Systems,2025,49(2):186-197. DOI： 10.7500/AEPS20240301002.

摘要

台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行，亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络（CGAN）的台风负荷场景生成方法。首先，对历史台风负荷进行修正，并根据台风登陆位置、等级等信息对其进行标签分类。然后，提出一种两阶段数据扩充策略以应对数据匮乏问题，第1阶段利用历史台风日负荷序列之间的横纵向相关性信息进行样本扩充，第2阶段利用台风日与非台风日负荷之间的残差信息进一步进行样本扩充。最后，提出基于特征影响指标的CGAN因果解释方法，刻画了不同特征对于模型结果的调控力度大小。算例证实了文中所提模型及方法的有效性和先进性。

Abstract

Under typhoon meteorology

the load of the power grid will experience severe fluctuations

posing a threat to the safe and stable operation of the power grid. An effective method is urgently needed to generate corresponding load demand scenarios. A typhoon load scenario generation method is proposed based on interpretability conditional generative adversarial network (CGAN) for rare historical samples. First

the historical typhoon load is adjusted and classified based on the information such as typhoon landfall locations and levels. Then

a two-stage data augmentation strategy is proposed to address the issue of data scarcity. The first stage utilizes the horizontal and vertical correlation information between historical typhoon daily load sequences for sample augmentation

while the second stage utilizes the residual information between typhoon and non-typhoon daily loads for further sample augmentation. Finally

a CGAN causal interpretation method based on feature influence indicators is proposed

which characterizes the regulation degree of different features on the model results. Numerical cases show that the proposed model and method are effective and progressive.

关键词

Keywords

references

林超凡，别朝红 . 新型电力系统不确定性静态建模及量化分析方法评述［J］. 电力系统自动化， 2024 ， 48 （ 19 ）： 14 - 27 .

LIN Chaofan ， BIE Zhaohong . Review of static modeling and quantitative analysis methods for uncertainties of new power systems ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 19 ）： 14 - 27 .

李滨，陆明珍 . 考虑实时气象耦合作用的地区电网短期负荷预测建模［J］. 电力系统自动化， 2020 ， 44 （ 17 ）： 60 - 68 .

LI Bin ， LU Mingzhen . Short-term load forecasting modeling of regional power grid considering real-time meteorological coupling effect ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 17 ）： 60 - 68 .

李闯，孔祥玉，朱石剑，等 . 能源互联环境下考虑需求响应的区域电网短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 71 - 78 .

LI Chuang ， KONG Xiangyu ， ZHU Shijian ， et al . Short-term load forecasting of regional power grid considering demand response in energy interconnection environment ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 71 - 78 .

彭显刚，潘可达，张丹，等 . 基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测［J］. 电网技术， 2020 ， 44 （ 2 ）： 603 - 613 .

PENG Xiangang ， PAN Keda ， ZHANG Dan ， et al . Piecewise short-term load forecasting based on adaptive seasonal load category and important point segment ［J］. Power System Technology ， 2020 ， 44 （ 2 ）： 603 - 613 .

李宝聚，齐宏伟，傅吉悦，等 . 极端气象天气对新能源运行影响分析［J］. 吉林电力， 2022 ， 50 （ 1 ）： 10 - 13 .

LI Baoju ， QI Hongwei ， FU Jiyue ， et al . Analysis on the impact of extreme weather on new energy operation ［J］. Jilin Electric Power ， 2022 ， 50 （ 1 ）： 10 - 13 .

李帅，李哲，梁允，等 . 气象因素对电力行业的影响研究［J］. 东北电力技术， 2019 ， 40 （ 8 ）： 7 - 10 .

LI Shuai ， LI Zhe ， LIANG Yun ， et al . Research on influence of meteorology on electric power industry ［J］. Northeast Electric Power Technology ， 2019 ， 40 （ 8 ）： 7 - 10 .

方华亮，李大虎，彭辉，等 . 基于“互联网+”的分散式太阳能规划方法［J］. 中国电机工程学报， 2017 ， 37 （ 5 ）： 1316 - 1323 .

FANG Hualiang ， LI Dahu ， PENG Hui ， et al . Distributed solar energy planning method based on Internet plus ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 5 ）： 1316 - 1323 .

MOTLAGH O ， BERRY A ， O’NEIL L . Clustering of residential electricity customers using load time series ［J］. Applied Energy ， 2019 ， 237 ： 11 - 24 .

李博，孙建军，余攀，等 . 基于负荷聚类与网络等效的配电网多维典型场景生成方法［J］. 中国电机工程学报， 2021 ， 41 （ 8 ）： 2661 - 2670 .

LI Bo ， SUN Jianjun ， YU Pan ， et al . A multi-dimensional typical scenarios generation algorithm for distribution network based on load clustering and network structure equivalence ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 8 ）： 2661 - 2670 .

曲凯，李湃，黄越辉，等 . 面向新能源消纳能力评估的年负荷序列建模及场景生成方法［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 123 - 131 .

QU Kai ， LI Pai ， HUANG Yuehui ， et al . Modeling and scenario generation method of annual load series for evaluation of renewable energy accommodation capacity ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 123 - 131 .

李辉，任洲洋，胡博，等 . 基于时序生成对抗网络的月度风光发电功率场景分析方法［J］. 中国电机工程学报， 2022 ， 42 （ 2 ）： 537 - 547 .

LI Hui ， REN Zhouyang ， HU Bo ， et al . A sequential generative adversarial network based monthly scenario analysis method for wind and photovoltaic power ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 2 ）： 537 - 547 .

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 ， 40 （ 17 ）： 5527 - 5535 .

DONG Xiaochong ， SUN Yingyun ， PU Tianjiao . Day-ahead scenario generation of renewable energy based on conditional GAN ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 17 ）： 5527 - 5535 .

SARMAS E ， SPILIOTIS E ， STAMATOPOULOS E ， et al . Short-term photovoltaic power forecasting using meta-learning and numerical weather prediction independent long short-term memory models ［J］. Renewable Energy ， 2023 ， 216 ： 118997 .

肖白，黄钰茹，姜卓，等 . 数据匮乏场景下采用生成对抗网络的空间负荷预测方法［J］. 中国电机工程学报， 2020 ， 40 （ 24 ）： 7990 - 8001 .

XIAO Bai ， HUANG Yuru ， JIANG Zhuo ， et al . The method of spatial load forecasting based on the generative adversarial network for data scarcity scenarios ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 24 ）： 7990 - 8001 .

JING H ， ZHAO C H . A data expansion based piecewise regression strategy for incrementally monitoring the wind turbine with power curve ［J］. Journal of Central South University ， 2023 ， 30 （ 5 ）： 1601 - 1617 .

PENG X S ， YANG Z M ， LI Y H ， et al . Short-term wind power prediction based on stacked denoised auto-encoder deep learning and multi-level transfer learning ［J］. Wind Energy ， 2023 ， 26 （ 10 ）： 1066 - 1081 .

蒲天骄，乔骥，赵紫璇，等 . 面向电力系统智能分析的机器学习可解释性方法研究（一）：基本概念与框架［J］. 中国电机工程学报， 2023 ， 43 （ 18 ）： 7010 - 7029 .

PU Tianjiao ， QIAO Ji ， ZHAO Zixuan ， et al . Research on interpretable methods of machine learning applied in intelligent analysis of power system （part Ⅰ）： basic concept and framework ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 18 ）： 7010 - 7029 .

纪守领，李进锋，杜天宇，等 . 机器学习模型可解释性方法、应用与安全研究综述［J］. 计算机研究与发展， 2019 ， 56 （ 10 ）： 2071 - 2096 .

JI Shouling ， LI Jinfeng ， DU Tianyu ， et al . Survey on techniques， applications and security of machine learning interpretability ［J］. Journal of Computer Research and Development ， 2019 ， 56 （ 10 ）： 2071 - 2096 .

廖文龙，杨德昌，葛磊蛟，等 . 基于像素卷积生成网络的可再生能源场景生成［J］. 高电压技术， 2022 ， 48 （ 4 ）： 1320 - 1331 .

LIAO Wenlong ， YANG Dechang ， GE Leijiao ， et al . Renewable energy scenario generation based on pixel convolutional generative networks ［J］. High Voltage Engineering ， 2022 ， 48 （ 4 ）： 1320 - 1331 .

朱瑞金，廖文龙，王玥珑，等 . 基于生成矩匹配网络的光伏和风电随机场景生成［J］. 高电压技术， 2022 ， 48 （ 1 ）： 374 - 384 .

ZHU Ruijin ， LIAO Wenlong ， WANG Yuelong ， et al . Stochastic scenarios generation for wind power and photovoltaic system based on generative moment matching network ［J］. High Voltage Engineering ， 2022 ， 48 （ 1 ）： 374 - 384 .

NWAFOR O ， OKAFOR E ， ABOUSHADY A A ， et al . Explainable artificial intelligence for prediction of non-technical losses in electricity distribution networks ［J］. IEEE Access ， 2023 ， 11 ： 73104 - 73115 .

KASPER T M . On convergence and singularity of conditional copulas of multivariate Archimedean Copulas， and conditional dependence ［J］. Journal of Multivariate Analysis ， 2024 ， 201 ： 105275 .

欧阳誉波 . 基于混合藤Copula模型的多风电场出力相关性建模及其在无功优化中的应用［D］. 成都：西南交通大学， 2016 .

OUYANG Yubo . Correlation modeling of output of multiple wind farms based on hybrid rattan Copula model and its application in reactive power optimization ［D］. Chengdu ： Southwest Jiaotong University ， 2016 .

MIRZA M ， OSINDERO S . Conditional generative adversarial nets ［EB/OL］. ［ 2024-05-21 ］. https：//arxiv.org/abs/1411.1784 https://arxiv.org/abs/1411.1784 .

ARJOVSKY M ， BOTTOU L . Towards principled methods for training generative adversarial networks ［EB/OL］. ［ 2024-05-21 ］. http：//arxiv.org/abs/1701.04862v1 http://arxiv.org/abs/1701.04862v1 .

HOCHREITER R ， PFLUG G C . Financial scenario generation for stochastic multi-stage decision processes as facility location problems ［J］. Annals of Operations Research ， 2007 ， 152 （ 1 ）： 257 - 272 .

WACHTER S ， MITTELSTADT B ， RUSSELL C . Counterfactual explanations without opening the black box： automated decisions and the GDPR ［J］. SSRN Electronic Journal ， 2017 ： 842 - 887 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电网稳定智能判别模型可信度指标体系构建与综合评价方法

基于KAN的可解释净负荷概率预测方法