文章摘要: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 networks， 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。本文首先介绍了GAN的基本原理，分析了其优势与劣势；此后从网络结构与目标函数的角度出发，分别介绍了在电力系统中应用较为广泛的四种GAN衍生模型，进而对GAN在电力系统中的应用现状进行了详细的综述，归纳了每个应用场景所采用的GAN模型及其特点；最后，总结了GAN在电力系统中进一步深入应用所要解决的问题，并展望了未来的应用前景。

文章关键词:

论文作者:邵振国 张承圣 陈飞雄 谢雨寒 

论文分类号:TM73

文章来源：《电力科学与工程》 网址: http://www.dlkxygcbjb.cn/qikandaodu/2022/0601/756.html