申请/专利权人:北京科技大学;北京科技大学顺德创新学院
申请日:2024-02-27
公开(公告)日:2024-06-21
公开(公告)号:CN118227985A
主分类号:G06F18/20
分类号:G06F18/20;G06F18/10;G06F18/213;G06F18/214;G06N3/042;G06N3/09
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明提供一种基于马尔科夫扩散方式的新能源负荷数据重建方法和系统,包括:获取待重建新能源负荷数据,包括存在缺失异常值的目标数据,以及对应的影响目标数据的时序数据和静态数据;输入多时空尺度同步图神经网络,输出带有时空尺度特征的待重建新能源负荷数据;输入影响因素协变量特征融合模块,输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据;对缺失异常部分加噪,将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据,使用基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪,输出缺失异常部分的重建值。本发明能对新能源负荷数据的缺失异常部分进行高效准确地重建。
主权项:1.一种基于马尔科夫扩散方式的新能源负荷数据重建方法,其特征在于,所述方法包括:S1、获取待重建新能源负荷数据,所述待重建新能源负荷数据包括存在缺失异常值的目标数据,以及对应的影响目标数据的时序数据和静态数据;S2、将所述待重建新能源负荷数据输入训练完成的多时空尺度同步图神经网络,输出带有时空尺度特征的待重建新能源负荷数据;S3、将所述带有时空尺度特征的待重建新能源负荷数据输入训练完成的影响因素协变量特征融合模块,输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据;S4、对所述既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据的缺失异常部分加噪,将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据,使用训练完成的基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪,输出缺失异常部分的重建值。
全文数据:
权利要求:
百度查询: 北京科技大学;北京科技大学顺德创新学院 基于马尔科夫扩散方式的新能源负荷数据重建方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。