买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明公开了一种基于Bi‑GAN的电力系统缺失值填补方法，涉及智能化电力系统技术领域，包括以下步骤：步骤1：收集来自于包含有缺失值的电力数据，首先对数据进行归一化预处理和特殊值处理，并构建缺失位置编码向量；步骤2：双向对抗生成对抗网络Bi‑GAN是一种生成式模型，能够生成服从原始数据集分布的新样本，主要由生成器G、判别器D、编码器E组成，当将预处理后的数据传入Bi‑GAN网络的中，通过生成器G与判别器D之间的博弈，最终生成一份与原始数据集有着同样分布的完整数据集；步骤3：使用损失函数来降低新生成样本GEx与原始数据x之间的差异；步骤4：使用填充损失函数来对电力系统中的缺失数据进行填充。

主权项：1.一种基于Bi-GAN的电力系统缺失值填补方法，其特征在于：包括以下步骤：步骤1：收集来自于包含有缺失值的电力数据，首先对数据进行归一化预处理和特殊值处理，并构建缺失位置编码向量；步骤2：双向对抗生成对抗网络Bi-GAN是一种生成式模型，能够生成服从原始数据集分布的新样本，由生成器G、判别器D、编码器E组成，当将预处理后的数据传入Bi-GAN网络的中，通过生成器G与判别器D之间的博弈，最终生成一份与原始数据集有着同样分布的完整数据集；步骤3：使用损失函数来降低新生成样本GEx与原始数据x之间的差异；步骤4：使用填充损失函数来对电力系统中的缺失数据进行填充；所述步骤2中，通过生成器与判别器之间的博弈其中VD,E,G由下式计算： 其中，G是生成器、D为判别器，E为编码器，x代表包含缺失值的电力系统中的真实样本，z是先验分布的随机抽样，Gz表示z生成的样本，y为数据源，pE·|x表示真实数据x输入到编码器产生的潜在空间向量，pG·|z表示噪声z输入到生成器得到的生成数据向量的分布，若待判别数据来自真实样本x，则y＝1；如果他来自生产的样本Gz，则y＝0，Bi-GAN将原始数据x与其他提取的特征Ex绑定，生成的样本Gz与其先验分布样本z绑定，然后将两对标记为1和0；训练BI-WAN网络中的判别器：将带有缺失值的电力数据X通过编码器映射到Ex，同时将任意分布采样的任意噪声z通过生成器映射Gz，然后分别将把合成后的数据Gz，z和x,Ex送入判别器中学习，通过更反向传播不断优化生成器和编码器，同时训练BI-WAN网络中的生成器和编码器：将训练数据输入编码器中，输出得到隐变量；将隐变量输入到生成器中，输出真实空间的特征表示，重构训练数据得到新生成样本GEx形成双向学习；在训练过程中编码器E与生成器G同时训练，使得在训练生成器G实现编码到潜在空间中的映射的同时，编码器E也实现了从数据空间至潜在空间的逆映射，这样就能快速准确的实现重构误差的计算；所述步骤3中，为了使生成器的联合分布逼近编码器的联合分布，在Bi-GAN网络中使用KL散度衡量两个分布的差异，只要KL散度收敛达到最小时，BI-GAN达到最优解，使用Wasserstein距离来优化原始GAN中的优化目标，增强训练过程中的稳定性，Wasserstein距离的数学定义式如下所示： 其中，∏pr,pg是以pr和pg为边缘分布的所有可能的联合概率分布γ的集合，Ex,y～γ[||x-y||]是联合分布γx,y的期望值，Wpr,pg表示将pr移到pg需要将x移动到的最小距离，Wasserstein利用梯度下降的方法来优化参数模型。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于Bi-GAN的电力系统缺失值填补方法