基于CWGAN-GP模型的新能源高不确定性场景生成方法及装置

本申请涉及新型电力系统优化运行技术领域，特别涉及一种基于CWGAN‑GP模型的新能源高不确定性场景生成方法及装置，其中，方法包括：利用Wasserstein距离和梯度惩罚项修正初始生成对抗网络，以得到最终生成对抗网络，并将目标卷积神经网引入最终生成对抗网络中，以得到改进深度卷积的条件深度卷积生成对抗网络，从而将WGAN‑GP引入改进深度卷积的条件深度卷积生成对抗网络中，得到改进深度卷积的CWGAN‑GP模型，并应用目标L‑ISODATA聚类算法对生成风光场景进行聚类，以生成高不确定性新能源发电出力场景。由此，解决了相关技术中，GAN在处理高维度数据时，难以有效捕捉复杂的时空特性，并且由于缺乏先验信息，导致训练方向容易偏离，从而影响场景生成效果和稳定性等问题。