【技术实现步骤摘要】
本专利技术实施例涉及电力信息，尤其涉及一种模型训练方法、数据修复方法、装置、设备及存储介质。
技术介绍
1、电力负荷监测是指对电力系统中的电能消耗量进行实时监测和评估的过程。随着电力系统规模的扩大和技术的进步，负荷监测方法和技术也在不断演进。由于智能电网的兴起，现代电力负荷监测趋向于自动化、实时化和智能化。利用传感器、智能电表、数据采集设备以及网络通信技术，可以实时获取和分析电力系统的负荷数据，为电力系统的运行和管理提供更及时、准确的信息支持。尽管现代电力系统监测设备的发展已经使得电力负荷监测变得更加便捷和精确，但仍然存在诸多因素可能导致电力负荷监测数据的缺失。这些因素包括但不限于设备故障、通信中断、数据传输错误、人为操作失误以及环境因素等。特别是在大规模电力系统中，这些问题可能会更加显著。电力负荷监测过程中缺失的数据会导致监测系统无法完整地记录和反映电力系统的实际运行情况，由此数据修复对于缺失的电力负荷监测数据至关重要。
2、但是，针对电力负荷监测数据这种大规模数据集的缺失数据，现有的数据修复方法存在修复能力差、修复效率和
【技术保护点】
1.一种数据修复模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设数量的隐特征样本张量由所述数据修复模型中的张量环分解算法对所述初始样本张量进行分解得到。
3.根据权利要求1所述的方法，其特征在于，所述预设目标函数包括损失函数项、正则化项和非负约束，其中，所述损失函数项基于所述原始样本张量和所述重构样本张量的欧几里得距离确定，所述正则化项基于吉洪诺夫正则化确定，所述非负约束为对所述隐特征样本张量的参数的约束。
4.根据权利要求3所述的方法，其特征在于，所述预设梯度下降算法为随机梯度下降算法；
...【技术特征摘要】
1.一种数据修复模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设数量的隐特征样本张量由所述数据修复模型中的张量环分解算法对所述初始样本张量进行分解得到。
3.根据权利要求1所述的方法，其特征在于，所述预设目标函数包括损失函数项、正则化项和非负约束，其中，所述损失函数项基于所述原始样本张量和所述重构样本张量的欧几里得距离确定，所述正则化项基于吉洪诺夫正则化确定，所述非负约束为对所述隐特征样本张量的参数的约束。
4.根据权利要求3所述的方法，其特征在于，所述预设梯度下降算法为随机梯度下降算法；
5.一种数据修复方...
【专利技术属性】
技术研发人员：许洪华，仝凌云，许自强，纪业，任帅，胡子健，耿明昊，丁煜蓉，王晓峰，周科峰，吕湛，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。