电力工业论文_生成对抗网络及其在电力系统中的 -电力系统保护与控制杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

电力工业论文_生成对抗网络及其在电力系统中的

作者:

关键词:

摘要：

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：《电力系统保护与控制》网址: http://www.dlxtbhykzzz.cn/qikandaodu/2022/0610/1274.html