王若谷，陈果，王秀丽，钱涛，高欣

(1.国网陕西省电力公司电力科学研究院，西安市 710100；2.西安交通大学电气工程学院，西安市 710049)

0 引 言

当今时代，风电等新能源和电动汽车在给国家能源产业和环境问题带来巨大机遇的同时，也给电力系统运行和调度带来了巨大的挑战[1-2]。并且随着风电和电动汽车并网规模的增大，这种影响也将与日俱增。风电出力的随机性和间歇性以及电动汽车充电负荷的不确定性让传统的电力系统调度方案不再适用，如何在考虑到风电与电动汽车影响的基础上，保证电力系统的稳定可靠运行，尽量减少系统的运行成本已经成为当下的研究热点。

近年来，国内外的研究学者对风电出力不确定性建模方法进行了广泛的研究[3-6]。其中，场景分析是最为有效且简便的方法之一。文献[7-8]基于场景分析建立了随机调度模型，实现了对风电不确定性的定量分析。在这种描述不确定性的方法中，场景的生成方式至关重要。本文采用生成对抗网络(generative adversarial network, GAN)方法来生成场景，通过生成模型(generator)和判别模型(discriminator)的互相博弈学习使生成场景与真实数据具有相同的分布。相对于基于采样的场景生成方法，GAN方法的优势是其完全是数据驱动的，生成场景的质量由所观测到的历史数据决定[9-10]。

关于电动汽车建模方法的研究也有很多[10-15]，一般都会在电动汽车的模型中考虑电动汽车的充放电功率约束以及能量守恒约束。很多研究都是基于单个电动汽车来建立模型，并添加上述约束条件。……