本發(fā)明提出一種基于生成對抗網(wǎng)絡(luò)的新能源發(fā)電場景數(shù)據(jù)遷移方法，以歷史數(shù)據(jù)大規(guī)模缺失的新能源電站為目標(biāo)電站，以歷史數(shù)據(jù)完整的鄰近新能源電站為源電站，通過生成對抗網(wǎng)絡(luò)模型學(xué)習(xí)源電站與目標(biāo)電站之間的場景數(shù)據(jù)映射關(guān)系，進(jìn)而根據(jù)源電站場景數(shù)據(jù)，生成目標(biāo)電站場景數(shù)據(jù)，且所生成的數(shù)據(jù)符合真實場景數(shù)據(jù)分布規(guī)律。僅需建立C?DCGAN模型學(xué)習(xí)目標(biāo)電站與源電站數(shù)據(jù)間的映射關(guān)系，即可將源電站數(shù)據(jù)進(jìn)行處理后遷移至目標(biāo)電站，補(bǔ)全目標(biāo)電站的缺失數(shù)據(jù)，能夠更高效地完成數(shù)據(jù)補(bǔ)全，簡化算法流程；通過引入Wasserstein距離與梯度懲罰函數(shù)，增加了C?DCGAN模型的穩(wěn)定性；提升了數(shù)據(jù)遷移的準(zhǔn)確度的同時，減少了構(gòu)建目標(biāo)模型的時間，降低了經(jīng)濟(jì)成本與時間成本。