基于深度卷积生成对抗网络的电力负荷数据生成

• 作者: 刘牮 李佳伟
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 对抗神经网络 负荷生成 EMD模态分析 相关性分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 54-58
• 页数: 5页
• 分类号: TP392
• 语种: 中文
• DOI: 10.11907/rjdk.201487

摘要

随着社会经济的发展,人们对于电能的需求不断增加,电力系统的可靠性与稳定性显得愈加重要,电力负荷数据在保障电力系统安全运行中具有十分重要的作用.为了得到大量精确的数据,提出一种基于深度卷积生成对抗网络的电力负荷数据生成新方法,并以南京市2002-2003年的网供负荷数据作为原始电力数据样本,生成新的电力负荷数据,之后通过经验模态分解及相关性分析对结果进行处理,并与传统方法进行比较.从结果来看,原始的电力负荷数据与生成的电力负荷数据之间的皮尔逊相关性系数高达0.971,优于传统方法的0.949和0.968,证明基于深度卷积生成对抗网络的模型在数据匮乏的场景下能更好地生成大量准确的电力负荷数据.