一种新的轻量化生成对抗网络及其在风电数据插补中的应用

作     者：武甲 齐咏生 马然 高胜利 刘慧文 

作者机构：内蒙古北方龙源风力发电有限责任公司 内蒙古工业大学电力学院 内蒙古自治区高等学校智慧能源技术与装备工程研究中心 大规模储能技术教育部工程研究中心 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62363029,62241309) 内蒙古自治区高等学校科学研究项目(NJZY22365) 内蒙古自然科学基金(2023LHMS06005,2022MS06018) 

主　　题：风电数据插补 SCADA数据 轻量化 Transformer 自适应注意力机制 AT-SGAIN 

摘      要：针对风电场SCADA(Supervisory Control and Data Acquisition)数据在采集传输过程中常遇到的数据丢失问题，提出了一种基于自适应Transformer的轻量化生成对抗网络插补策略（Adaptive Transformer Slim Gain,AT-SGAIN），旨在增强数据完整性。AT-SGAIN通过简化GAIN模型结构、显著提高了计算效率，并采用双判别器结构，分别用于真实数据和生成数据的鉴别，保障了速度提升过程中插补精度的维护。该模型集成了Transformer编码器，增强了对风电数据时间序列特征的捕捉能力，并通过自适应双分支注意力机制，精准调整通道和空间注意力权重，提升了网络对局部信息的敏感度。实验结果证明，该算法在插补后的均方根误差与平均绝对误差分别达到0.047和0.043，相比原GAIN网络，插补精度提升58.31%，插补速度为2776毫秒，处理速度提高19.34%，在多项对比测试中均显著优于现有经典方法。