典型文献
基于改进生成式对抗网络的电气数据升频重建方法
文献摘要：
高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建.因此,文中利用改进生成式对抗网络将低频电气数据重建为高频.通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取.利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习能力.此外,生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别.以公开数据集为例进行算法验证,验证结果表明,相比于传统重建方法,所提方法具有更高的峰值信噪比、结构相似性和更低的平均绝对误差、平均绝对误差百分数,以及更高的高频细节还原度、重建精度,能够对不同数据集实现泛化.
文献关键词：
升频重建;低频电气数据;生成式对抗网络;深度残差网络;图像特征;数据驱动
中图分类号：
作者姓名：
李富盛;林丹;余涛;王克英;吴毓峰;杨家俊
作者机构：
华南理工大学电力学院,广东省广州市 510640
文献出处：
引用格式：
[1]李富盛;林丹;余涛;王克英;吴毓峰;杨家俊-.基于改进生成式对抗网络的电气数据升频重建方法)[J].电力系统自动化,2022(03):105-112
A类：
升频重建,辅助服务质量,低频电气数据
B类：
生成式对抗网络,重建方法,态势感知,监测水平,数据基础,传统重建,重建算法,难以实现,数据重建,时序数据,电气图,神经网络方法,图像特征,高效提取,深层残差网络,生成器,残差块,块结构,特征学习能力,损失函数,实样,低维,高维特征,公开数据集,集为,算法验证,峰值信噪比,结构相似性,平均绝对误差,百分数,高频细节,还原度,重建精度,深度残差网络
AB值：
0.349358
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
