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。