针对常规数据集，在已有公开数据集的基础上，通过图卷积生成对抗神经网络的方法，将不同类型数据间关联变化进行特征提取，进而在参数更新迭代过程中，辅之以信号衰减等物理约束和数据，同时结合风机、光伏以及负荷的运行特性，生成相关数据，数据生成结果如下：

WT1-WT5出力时序数据

PV1-PV15出力时序数据

不同类型负荷全年小时均负荷

从生成结果可以看出：在夜间风机的出力明显高于日间出力，光伏出力则集中于日间，同时风电机组出力呈现出显著的日间波动特性，而光伏出力则在日内的波动更为明显。全年的时序出力受季节因素影响呈现出一定的规律性，由于风能资源在秋冬季节较为丰富，而夏季相对匮乏，因此风机在夏季出力较低，而在秋冬季节出力相对较高。光伏的出力主要受到辐射强度的影响，因此在夏季的出力情况高于其他季节。

在负荷时序数据中，可以看出电负荷中居民节点、充电站节点、公共节点具有早、晚高峰的双峰特性，仓储节点集中于日间，商业节点集中于下午和晚上时段，工业节点和数据中心节点则较为平稳没有明显的波动情况。气负荷中居民节点、商业节点、公共节点、工业节点的变化趋势与电负荷类似。热负荷中居民节点的夜间需求高于日间，而商业节点、公共节点的需求相反，工业节点则更多集中于日间时段。冷负荷中工业节点、仓储节点的负荷需求集中于日间时段，数据中心节点的需求变化较为平稳。全年负荷中，电负荷中居民节点、充电站节点、商业节点、公共节点在夏季期间的总体需求高于其他季节，工业节点、仓储节点的全年需求较为平稳。气负荷中各节点受季节因素的影响较小，没有明显的变化。热负荷中各节点在深冬时节的总体需求最大，除冬季外，只有工业节点在其他季节具有热负荷需求。冷负荷中工业节点和数据中心节点的夏季需求量更大，仓储节点的需求变化较为平稳。