用于缺失负荷数据恢复与基线估计的负荷曲线修复
信号处理
2022-11-30 v1
摘要
本文引入一种基于生成对抗网络(GAN)的负荷曲线修复网络(Load-PIN)，用于恢复缺失的负荷数据段并估计需求响应事件的基线。输入为修复期前后的时间序列负荷数据以及解释变量(例如气象数据)。我们提出一种由粗网络和微调网络组成的生成器结构。粗网络提供修复期内数据段的初步估计。微调网络由自注意力块和门控卷积层组成，用于调整初步估计。针对微调网络和判别器网络专门设计了损失函数，以增强结果的逐点精度和真实感。我们在三个真实数据集上针对两种应用测试了Load-PIN：修补缺失数据和推导降电压节能(CVR)事件的基线。我们将Load-PIN的性能与五种现有的深度学习方法进行了基准对比。仿真结果表明，与现有先进方法相比，Load-PIN能够处理变长缺失数据事件，并实现15-30%的精度提升。
引用
@article{arxiv.2211.16332,
title = {Load Profile Inpainting for Missing Load Data Restoration and Baseline Estimation},
author = {Yiyan Li and Lidong Song and Yi Hu and Hanpyo Lee and Di Wu and PJ Rehm and Ning Lu},
journal= {arXiv preprint arXiv:2211.16332},
year = {2022}
}
备注
Submitted to IEEE Transactions on Smart Grid