利用约束生成对抗网络创建负载注入的时间相关高分辨率剖面
信号处理
2024-09-04 v4 机器学习
摘要
传统智能电表每 15 分钟或更长时间测量一次用能并在至少数小时后上报，缺乏实时决策所需的粒度。为解决这一实际问题，我们引入一种使用生成对抗网络（GAN）的新方法，其通过基于凸优化的硬不等式约束对高分辨率输出施加时间一致性。我们 GAN 模型的一个独特之处在于它仅使用从智能电表获得的慢时间尺度聚合历史能源数据训练。结果表明，该模型能成功从 15 分钟间隔平均功耗信息创建逐分钟时间相关的用电剖面。这一强调神经元间约束的创新方法，为配电系统中改进的高速状态估计提供了有前景的途径，并增强了数据驱动解决方案对该类系统监测及后续控制的应用性。
引用
@article{arxiv.2311.12166,
title = {Creating Temporally Correlated High-Resolution Profiles of Load Injection Using Constrained Generative Adversarial Networks},
author = {Hritik Gopal Shah and Behrouz Azimian and Anamitra Pal},
journal= {arXiv preprint arXiv:2311.12166},
year = {2024}
}
备注
6 pages