基于改进生成对抗网络的台区采集数据修复
Missing Data Imputation in Transformer District Based on Improved Generative Adversarial Network作者机构:中国电力科学研究院有限公司北京市海淀区100192 北京交通大学电气工程学院北京市海淀区100044 国网北京市电力公司北京市西城区100045
出 版 物:《电网技术》 (Power System Technology)
年 卷 期:2022年第46卷第8期
页 面:3231-3239页
核心收录:
学科分类:080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:低压配电网台区位于输配电系统的末端,是开展配电系统管控的基础环节。受不可抗力的影响,台区终端采集数据普遍存在缺失值,整体数据质量较差,进而影响信息的正确性和决策分析的准确度。传统的数据修复方法忽略了台区数据的周期性和时序性,修复精度较低。该文提出一种基于生成对抗网络(generative adversarial network,GAN)的配电网台区缺失采集数据修复模型,改进了GAN网络的结构,为判别器额外设计了提示机制,使其能够尽可能地利用未缺失信息,潜在地拟合原始数据的分布特征。所提出的方法不需要利用完整的数据集进行训练,整体运行在无监督的环境下,更适用于复杂的生产实际,实验结果表明,所提方法能够高精度地对台区缺失数据进行修复。