一种基于GAN驱动学习的电网规划均衡优化方法及装置

本发明属于电网优化技术领域，具体涉及一种基于GAN驱动学习的电网规划均衡优化方法及装置，步骤包括：构建基于物理约束的时空生成对抗网络PI‑ST‑GAN，建立复合风险指标，从生成的源荷概率性时序场景中筛选出高风险场景；构建风险‑成本均衡的双层优化模型；基于强对偶理论将双层优化模型重构为单层混合整数规划MIP模型，并设定其约束条件；基于单层混合整数规划MIP模型，利用求解器对线路投资方案及运行调度变量进行联合求解，并根据求解结果动态引导PI‑ST‑GAN强化高风险场景生成，实现优化‑生成‑反馈闭环协同迭代求解流程，最终输出最优电网规划方案。本发明能够提升电网在可再生能源高渗透下的韧性与经济性。