一种基于Bi-GAN的电力系统缺失值填补方法技术方案

本发明专利技术公开了一种基于Bi

【技术实现步骤摘要】
一种基于Bi
‑
GAN的电力系统缺失值填补方法


[0001]本专利技术涉及智能化电力系统
，具体为一种基于Bi
‑
GAN的电力系统缺失值填补方法。

技术介绍

[0002]随着智能化电力系统的建设，爆炸式的海量数据带来了新的挑战，测量采样、信息传输和数据存储处理不当会导致数据丢失，从而破坏数据完整性，使得数据质量下降，影响电力消耗预测精度。
[0003]目前国内外电力系统缺失值填补方法主要分为直接删除法、基于统计分析的数据填补法、基于机器学习的数据填补方法。直接删除法主要以删除缺失的数据来使得数据完整，当样本缺失数量比较大时，不利于挖掘电力消耗预测的隐含发展规律。基于统计分析的数据填补法根据原始数据的统计信息来填充缺失值，主要包括平均值填补、热卡填补、冷卡填补、特殊值填补、回归等方法，这类填补方法缺乏对每个样本的独立特性的考虑。基于机器学习的数据填补方法利用机器学习算法包括K最邻近法(K
‑
Nearest Neighbor,KNN)、自编码器(Autoencoder，AE)等，这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Bi
‑
GAN的电力系统缺失值填补方法，其特征在于：包括以下步骤：步骤1：收集来自于包含有缺失值的电力数据，首先对数据进行归一化预处理和特殊值处理，并构建缺失位置编码向量；步骤2：双向对抗生成对抗网络Bi
‑
GAN是一种生成式模型，能够生成服从原始数据集分布的新样本，主要由生成器G、判别器D、编码器E组成，当将预处理后的数据传入Bi
‑
GAN网络的中，通过生成器G与判别器D之间的博弈，最终生成一份与原始数据集有着同样分布的完整数据集；步骤3：使用损失函数来降低新生成样本G(E(x))与原始数据x之间的差异；步骤4：使用填充损失函数来对电力系统中的缺失数据进行填充。2.根据权利要求1所述的一种基于Bi
‑
GAN的电力系统缺失值填补方法，其特征在于：所述步骤1中，从电力系统中获取包含缺失值的电力数据，经过归一化处理使数据介于0～1之间，将数据中的空值替为特殊符号NULL，离散数值变量采用one hot编码，构建缺失值位置编码向量。3.根据权利要求1所述的一种基于Bi
‑
GAN的电力系统缺失值填补方法，其特征在于：所述步骤2中，通过生成器与判别器之间的博弈其中V(D，E，G)由下式计算：其中，G是生成器、D为判别器，E为编码器，x代表包含缺失值的电力系统中的真实样本，z是先验分布的随机抽样，G(z)表示z生成的样本，y为数据源，若待判别数据来自真实样本x，则y＝1；如果他来自生产的样本G(z)，则y＝0，Bi
‑
GAN将原始数据x与其他提取的特征E(X)绑定，生成的样本G(z)与其先验分布样本z绑定，然后将两对标记为1和0；训练BI
‑
WAN网络中的判别器：将带有缺失值的电力数据X通过编码器映射到E(x)，同时将任意分布采样的任意噪声z通过生成器映射G(z)，然后分别将把合成后的数据(G(z)，z)和(x，E(x))送入判别器中学习，通过更反向传播不断优化生成器和编码器，同时训练BI

【专利技术属性】
技术研发人员：崔婧，刘晓燕，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：