基于改进生成式对抗网络的电气数据升频重建方法

李富盛林丹余涛王克英吴毓峰杨家俊

华南理工大学;

摘要：

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

所属期刊栏目：46

资助基金：国家自然科学基金;广东省普通高校基础研究与应用基础研究重点项目

在线出版日期：2022-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：105-112