EnergyDiff：基于扩散模型的通用时序能源数据生成
机器学习
2025-06-19 v3 系统与控制
系统与控制
摘要
高分辨率时序数据对电力系统和热力学系统的运行和规划至关重要。由于隐私顾虑，这类数据往往无法共享， necessitating 使用合成数据。然而，由于其固有的高维度和复杂的时间依赖性，高分辨率时序数据难以建模。利用最近在生成式人工智能领域，特别是扩散模型的发展，我们提出了 EnergyDiff，一个用于能源时序数据的数据生成框架。EnergyDiff 基于最先进的去噪扩散概率模型构建，采用专为高分辨率时序数据设计的去噪网络，并引入一种新的边际校准技术。我们的广泛实验结果表明，EnergyDiff 在捕捉时序依赖性和边际分布方面显著优于基线方法，尤其在 1 分钟分辨率下效果更为突出。能源数据生成框架的通用性在多个能源领域（如电力需求、热泵、光伏、多个时间分辨率（1 分钟、15 分钟、30 分钟和 1 小时）以及在客户和变压器层面）得到了验证。
引用
@article{arxiv.2407.13538,
title = {EnergyDiff: Universal Time-Series Energy Data Generation using Diffusion Models},
author = {Nan Lin and Peter Palensky and Pedro P. Vergara},
journal= {arXiv preprint arXiv:2407.13538},
year = {2025}
}
备注
15 pages