基于变分自编码器的功率负荷监控数据的潜在特征分析方法
机器学习
2025-06-11 v1 人工智能
摘要
随着智能电网的发展，高维不完整 (HDI) 功率负荷监控 (PLM) 数据对功率负荷预测 (PLF) 模型的性能构成挑战。本文提出一种基于变分自编码器 (VAE) 的潜在特征分析模型 VAE-LF，用于高效地表示和补全 PLM 数据缺失部分。VAE-LF 通过将 HDI PLM 数据划分为向量并依次输入 VAE-LF 模型来学习数据的低维潜在表征，并生成补全数据。在 UK-DALE 数据集上的实验表明，VAE-LF 在 5% 和 10% 稀疏率测试情况下的表现均优于其他基准模型，尤其在低稀疏率数据上表现更为突出。该方法为智能电网中的电力负荷管理提供了一种高效的数据补全解决方案。
引用
@article{arxiv.2506.08698,
title = {Variational Autoencoder-Based Approach to Latent Feature Analysis on Efficient Representation of Power Load Monitoring Data},
author = {Boyu Xie and Tangtang Xie},
journal= {arXiv preprint arXiv:2506.08698},
year = {2025}
}
备注
9 pages, 2 figures