去噪模型训练方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种去噪模型训练方法。所述方法包括：获取样本噪声数据以及电力监测样本均值数据；将多个电力监测样本数据中的目标电力监测样本数据，以及样本噪声数据输入至待训练的去噪模型；通过去噪模型的第一分支，生成第一子预测噪声数据，以及通过去噪模型的第二分支，得到目标电力监测样本数据对应的去噪数据；基于去噪数据与预测噪声数据，得到电力监测预测数据；利用第一子预测噪声数据与样本噪声数据，得到第一损失值，以及利用电力监测预测数据与电力监测样本均值数据，得到第二损失值；利用第一损失值以及第二损失值对待训练的去噪模型进行训练，得到训练完成的去噪模型。采用本方法能够得到准确去除电力监测数据噪声数据的去噪模型。声数据的去噪模型。声数据的去噪模型。

【技术实现步骤摘要】
去噪模型训练方法、装置、计算机设备和存储介质


[0001]本申请涉及电力监测
，特别是涉及一种去噪模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着电力监测
的发展，出现了电力监测数据去噪技术，该技术通过去噪模型检测出电力监测数据当中的噪声数据并删除该噪声数据。
[0003]然而，上述技术方案中，上述去噪模型不可避免地会把电力监测数据当中的一部分非噪声数据，当作噪声数据进行删除，相当于抹去了一部分电力监测数据原本的信息，使得电力监测数据的去噪不够准确。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够准确去除电力监测数据噪声数据的去噪模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种去噪模型训练方法。所述方法包括：获取不同数据传输通道相同测点的包含有噪声数据的多个电力监测样本数据，并根据所述多个电力监测样本数据，得到样本噪声数据，以及电力监测样本均值数据；将所述多个电力监测样本数据中的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种去噪模型训练方法，其特征在于，所述方法包括：获取不同数据传输通道相同测点的包含有噪声数据的多个电力监测样本数据，并根据所述多个电力监测样本数据，得到样本噪声数据，以及电力监测样本均值数据；将所述多个电力监测样本数据中的目标电力监测样本数据，以及所述样本噪声数据输入至待训练的去噪模型；通过所述去噪模型的第一分支，生成第一子预测噪声数据，以及通过所述去噪模型的第二分支，得到所述目标电力监测样本数据对应的去噪数据；获取第二子预测噪声数据，并将所述第一子预测噪声数据以及所述第二子预测噪声数据合并，得到预测噪声数据；基于所述去噪数据与所述预测噪声数据，得到电力监测预测数据；利用所述第一子预测噪声数据与所述样本噪声数据，得到第一损失值，以及利用所述电力监测预测数据与所述电力监测样本均值数据，得到第二损失值；利用所述第一损失值以及所述第二损失值对所述待训练的去噪模型进行训练，得到训练完成的去噪模型。2.根据权利要求1所述的方法，其特征在于，所述第一子预测噪声数据服从期望值为零的目标正态分布；所述通过所述去噪模型的第一分支，生成第一子预测噪声数据，包括：通过所述第一分支，生成多个候选第一子预测噪声数据；所述多个候选第一子预测噪声数据分别服从期望值为零，且方差值不同的多个正态分布；从所述多个候选第一子预测噪声数据中，随机选择一个候选第一子预测噪声数据作为所述第一子预测噪声数据。3.根据权利要求2所述的方法，其特征在于，所述利用所述第一子预测噪声数据与所述样本噪声数据，得到第一损失值，包括：获取所述第一子预测噪声数据对应的采样值；基于所述样本噪声数据，以及所述采样值，得到所述样本噪声数据对应的实际噪声数据与所述第一子预测噪声数据的第一差异程度；将所述第一差异程度作为所述第一损失值。4.根据权利要求1所述的方法，其特征在于，所述通过所述去噪模型的第二分支，得到所述目标电力监测样本数据对应的去噪数据，包括：通过所述第二分支，去除所述目标电力监测样本数据中的噪声数据，得到所述目标电力监测样本数据对应的去噪数据。5.根据权利要求4所述的方法，其特征在于，所述利用所述电力监测预测数据与所述电力监测样本均值数据，得到第二损...

【专利技术属性】
技术研发人员：石延辉，杨洋，张博，阮彦俊，赖皓，袁海，牛峥，秦秉东，程冠錤，陆昶安，庄小亮，蒙泳昌，李良创，吴泽宇，邹雄，李毅，洪乐洲，王蒙，张朝斌，严伟，蔡斌，李凯协，秦金锋，赵晓杰，黄家豪，孔玮琦，王越章，林轩如，张克，李梅兰，王中利，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
类型：发明
国别省市：