[發(fā)明專利]一種基于改進對抗網(wǎng)絡的負荷數(shù)據(jù)修補方法

在審

• 申請?zhí)枺?/td>: 202011605285.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112686821A
• 公開（公告）日: 2021-04-20
• 發(fā)明（設計）人: 卞海紅;徐國政
• 申請（專利權(quán)）人: 南京工程學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08;G06T7/90
• 代理公司: 南京源古知識產(chǎn)權(quán)代理事務所(普通合伙) 32300
• 代理人: 馬曉輝

1.一種基于改進對抗網(wǎng)絡的負荷數(shù)據(jù)修補方法，包括以下方法，步驟1：使用全部歷史負荷數(shù)據(jù)生成高光譜圖片：步驟2：使用opencv將高光譜圖片預處理為64*64*3的圖片；步驟3：將高光譜圖片劃分成訓練樣本圖片和測試樣本圖片；步驟4：建立DCGAN網(wǎng)絡，使用訓練樣本圖片進行訓練；步驟5：在測試樣本中的高光譜圖片上隨機去除30個數(shù)據(jù)點，輸入訓練好的DCGAN網(wǎng)絡進行測試；步驟6：將修補出的高光譜圖片使用HSV色彩模型轉(zhuǎn)化為數(shù)據(jù)，與歷史負荷數(shù)據(jù)進行對比；步驟7：選用相對誤差和均方根誤差兩種誤差指標對修補數(shù)據(jù)進行評價。

2.如權(quán)利要求1所述的方法，其特征在于：在步驟1中，歷史負荷數(shù)據(jù)繪制成高光譜圖片：橫軸數(shù)據(jù)代表每日負荷數(shù)據(jù)，每日負荷數(shù)據(jù)由96個數(shù)據(jù)點構(gòu)成，每個數(shù)據(jù)點表示每15分鐘內(nèi)的累計負荷量，縱軸數(shù)據(jù)代表1-30日，高光譜圖片中顏色的深淺代表每15分鐘內(nèi)的累計負荷量大小，每15分鐘內(nèi)的累計負荷量越大，該點處顏色越紅，反之越綠。

3.如權(quán)利要求2所述的方法，其特征在于：所述歷史負荷數(shù)據(jù)來自于某電力負荷監(jiān)測系統(tǒng)收集到的歷史負荷數(shù)據(jù)，該電力負荷監(jiān)測系統(tǒng)每日采集的96個時間段內(nèi)負荷數(shù)據(jù)。

4.如權(quán)利要求1所述的方法，其特征在于：步驟4包括定義模型輸入、生成器設置、判別器設置、定義損失函數(shù)、對損失函數(shù)優(yōu)化和訓練。

5.如權(quán)利要求4所述的方法，其特征在于：所述定義模型輸入包括兩個部分，一個是，一個是某電力負荷監(jiān)測系統(tǒng)收集到的歷史負荷數(shù)據(jù)，另一個是隨機噪聲作為生成器的輸入來生成偽圖像。

6.如權(quán)利要求4所述的方法，其特征在于：所述生成器設置首先使用一個全連接層將輸入的噪聲轉(zhuǎn)化為4*4*512的維度，之后每經(jīng)過一個轉(zhuǎn)置卷積層，其通道數(shù)量減半，并且圖像維度與前一圖層相比增加一倍,最終輸出層的尺寸為64*64*3，所述生成器除最后一層之外均使用Batch Normalization優(yōu)化算法。

7.如權(quán)利要求4所述的方法，其特征在于：所述判別器設置，使用的判別器D(x)的輸入層是尺寸為64*64*3的圖像，隨后是四層卷積層，圖像的尺寸每通過一個卷積層就減半，并且通道數(shù)量在前一層的基礎上增加一倍，最終輸出0到1之間的實數(shù)表示判別器識別圖像為真實數(shù)據(jù)的概率，所述判別器除第一層外均使用Batch Normalization優(yōu)化，除最后一層外均使用dropout防止過擬合。

8.如權(quán)利要求4所述的方法，其特征在于：所述定義損失函數(shù)：選取最小二乘作為損失函數(shù)。

9.如權(quán)利要求4所述的方法，其特征在于：所述對損失函數(shù)優(yōu)化：所述生成器和所述判別器的損失函數(shù)分別進行Adam優(yōu)化。

10.如權(quán)利要求4所述的方法，其特征在于：所述訓練：每更新一次所述判別器后更新兩次所述生成器，用mini-batch訓練，batch_size設置為 64，每一個 epoch 有 91 次迭代。