Indexed by：
Abstract：
随着电力系统的迅猛发展,如何高效利用海量、多源、多维的电力数据,是当前电力行业面临的重要技术问题之一.相对于传统机器学习算法,深度学习具有较强的数据降维能力、非线性拟合能力和特征提取能力.生成对抗网络(generative adversarial network,GAN)作为一类深度学习模型,能够很好地实现电力数据样本的增强与生成.该文首先介绍GAN的基本原理,分析其优势与劣势;此后从网络结构与目标函数的角度出发,分别介绍在电力系统中应用较为广泛的4种GAN衍生模型,进而对GAN在电力系统中的应用现状进行详细的综述,归纳每个应用场景所采用的GAN模型及其特点;最后,总结GAN在电力系统中进一步深入应用所要解决的问题,并展望未来的应用前景.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国电机工程学报
ISSN： 0258-8013
CN： 11-2107/TM
Year： 2023
Issue： 3
Volume： 43
Page： 987-1003,中插11
Cited Count：
WoS CC Cited Count： 6
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
