-
题名基于改进生成式对抗网络的电气数据升频重建方法
被引量：6
- 1
-
-
作者
李富盛
林丹
余涛
王克英
吴毓峰
杨家俊
-
机构
华南理工大学电力学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2022年第3期105-112,共8页
-
基金
国家自然科学基金资助项目(U2066212)
广东省普通高校基础研究与应用基础研究重点项目(2018KZDXM001)。
-
文摘
高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建。因此,文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习能力。此外,生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数据集为例进行算法验证,验证结果表明,相比于传统重建方法,所提方法具有更高的峰值信噪比、结构相似性和更低的平均绝对误差、平均绝对误差百分数,以及更高的高频细节还原度、重建精度,能够对不同数据集实现泛化。
-
关键词
升频重建
低频电气数据
生成式对抗网络
深度残差网络
图像特征
数据驱动
-
Keywords
frequency-increased reconstruction
low-frequency electrical data
generative adversarial network
deep residual network
image feature
data-driven
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TM73
[自动化与计算机技术—计算机科学与技术]
-
