朱庆,郑红娟,唐子逸,韦思雅,邹子骁,吴熙

(1. 国电南瑞科技股份有限公司，南京市 211106；2. 国网浙江杭州市余杭区供电有限公司，杭州市 311100；3. 东南大学电气工程学院，南京市 210096)

0 引 言

综合能源系统是多种能源协调形成的产消一体化系统，在提高能源利用率，推进能源供给改革等方面发挥了巨大作用[1]。由于数据采样和传输过程中存在不可避免的干扰甚至故障，导致实际计量数据的丢失或异常，对基于综合能源负荷场景的计量仿真和规划运行研究造成很大影响[2]，因此亟需一种适用于综合能源高随机和多能耦合特点的场景生成方法。此外，随着高比例新能源和储能系统的加入，原本就存在能源耦合的综合能源系统负荷场景所面临的情况更加复杂[3-4]。

目前较为常用的场景生成方法是基于统计模型[5-10]和基于人工智能的方法[11-17]。基于统计模型的方法主要有马尔可夫链法、时间序列法、蒙特卡洛法等；基于人工智能的方法主要有生成对抗网络(generative adversarial networks, GAN)方法。基于统计模型的场景生成方法有赖于实践经验，很难对系统结构存在差异的综合能源系统进行概率分布的显式建模。近些年生成对抗网络方法逐渐应用于传统负荷场景[11-12]、风光新能源场景[13-14]和电动汽车场景[15]的生成。文献[13]基于条件卷积生成对抗网络，学习目标新能源电站临近电站的场景数据，补充该目标电站的缺失数据。文献[14]基于条件生成对抗网络研究可再生能源日前场景生成，提高了风电预测的准确性。……