数据模拟

使用天气数据模拟通过基于样式的生成对抗网络

在2023年，Pothovoltaic（PV）发电的全球安装能力打破了另一个记录。国际能源机构最近发布了2023年的年度报告显示，去年，全球PV发电的新安装能力约为375 GW，增长了30％以上（Szalóczy等人，2024年）。中国是世界上最大的光伏市场和产品供应商（Fu等，2024）。但是，分布式PV发电的固有间歇性和波动引入了相当大的不确定性，因此需要对PV场景进行建模，以减轻这种不确定性并支持PV行业的增长。在影响PV输出的各种因素中，天气条件在引起光伏生成的爆发和不确定性方面起着重要作用。然而，当前的绝大多数PV场景生成文献都会直接产生PV场景，这可以忽略天气对PV的重要影响（Cai等，2023）。为了说明与天气相关的不确定性并对PV发电模型施加更严格的物理约束，PV方案是通过模拟天气场景模拟的，在模型中既有特定的院子和通用性。因此，开发全年天气情况的随机模拟模型对于为PV发电建模提供准确的天气信息至关重要（Rohani等，2014）。当前的天气生成模型主要依赖于涉及概率计算的数学方法。li et la。提出了一个两阶段的方案。Sparks等。最常见的方法是将天气数据的分布直接拟合概率分布，例如β分布后的阳光强度（Rathore等，2023）和Weibull分布后的风速（Hussain等，2023）。在第一个阶段，天气序列是通过单位多变量天气发生器模拟的，在第二阶段，经验副方法用于重现可变量的相互间隔和相间依赖性以及时间结构（Li等，2019）。理查森（Richardson）基于动态的两参数伽马分布模型和两个参数β分布模型提出了WGEN（Richardson，2018）。WGEN目前是广泛使用的天气生成器模型之一，许多其他天气生成器模型是根据WGEN的改进和扩展而开发的，例如美国农业农业部农业研究服务部开发的小木屋。通过将部分时间序列转换为推断的线性函数模型，提出了一种新颖的方法，将天气变量视为具有时间行为的高斯变量（Sparks