基于关联信息对抗学习的综合能源系统运行状态分析方法
【摘要】 综合能源系统(Integrated energy system, IES)运行状态分析常以广泛化信息技术应用提供的数据为支撑, 然而传感器故障、网络通信中断等信息异常导致的数据缺失会直接影响数据质量. 在考虑数据缺失的情况下, 本文提出了一种基于关联信息对抗学习的综合能源系统运行状态分析方法. 首先构建深度生成对抗网络(Generative adversarial network,GAN)对数据缺失部分进行可靠性补偿. 在设计生成器结构过程中, 通过引入系统拓扑邻接矩阵对生成器输入数据进行优化排序, 进而在训练过程中采用设计的多属性融合生成器损失函数, 促使生成器进一步得到高精度补偿数据. 接着将判别器提取的不同时刻完整能源数据的特征作为基础, 采用浅层特征分布及深层特征信息差异值融合判断, 从而实现系统运行状态分析. 最后对不同数据缺失补偿及不同类型节点改变情况进行仿真, 验证了本文所提方法的可行性与有效性.
