(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111405692.4 (22)申请日 2021.11.24 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国家电网有限公司 　 国网山东省电力公司电力科 学研究 院 (72)发明人 张蓬鹤　薛阳　宋如楠　杨艺宁　 赵兵　陈昊　王聪　杨柳　 (74)专利代理 机构 北京工信联合知识产权代理 有限公司 1 1266 专利代理师 夏德政 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/901(2019.01) H02J 3/38(2006.01) G06F 111/04(2020.01) G06F 113/04(2020.01) (54)发明名称 综合能源计量仿 真数据生 成方法、 装置和存 储介质 (57)摘要 本发明公开了一种综合能源计量仿真数据 生成方法、 装置和存储介质， 其中， 该方法包括： 通过变分自编码器对预先构建的综合能源计量 样本数据库中的综合能源计量数据进行特征提 取， 得到编码后的数据特征； 将数据特征输入生 成对抗网络， 进行所述生 成对抗网络的生成器与 判别器的对抗训练， 直至所述生成对抗网络生成 的数据满足真实性约束与相似性约束； 在所述生 成对抗网络生成的数据满足真实性约束与相似 性约束时， 将生成对抗网络生 成的数据确定为综 合能源计量仿真数据， 根据所述综合能源计量仿 真数据得到生成的综合能源计量仿真数据库。 权利要求书3页 说明书10页 附图4页 CN 114880915 A 2022.08.09 CN 114880915 A 1.一种综合能源计量仿真数据生成方法， 其特 征在于， 包括： 通过变分自编码器对预先构建的综合能源计量样本数据库中的综合能源计量数据进 行特征提取， 得到编码后的数据特 征； 将数据特征输入生成对抗网络， 进行所述生成对抗网络的生成器与判别器的对抗训 练， 直至所述 生成对抗网络生成的数据满足真实性约束与相似性约束； 在所述生成对抗网络生成的数据满足真实性约束与相似性约束时， 将生成对抗网络生 成的数据确定为综合能源计量仿真数据， 根据所述综合能源计量仿 真数据得到生成的综合 能源计量仿真数据库。 2.根据权利要求1所述的方法， 其特征在于， 由变分自编码器、 生成对抗网络的生成器 与判别器构成 综合能源计量仿真数据的数据生成模型。 3.根据权利要求2所述的方法， 其特征在于， 所述数据生成模型中网络隐藏层的输出以 高斯方式不同， 并且网络隐藏层的输出式为： 式中， Disl(x)为网络第l个隐含层， E为单位矩阵， 为生成器的输出数据， p(Disl(x)|z) 为在隐变量z的条件下第l个隐含层的输出概 率， N(·,·)表示二项分布； 最大化期望Eq(z|x)[logp(x| z)]等价于最大似然估 计， 用Eq(z|x)[logp(Disl(x)|z)]替代， 故数据生成模型中变分自编码器的目标函数为： max[γ1·Eq(z|x)[logp(Disl(x)|z)]‑DKL(q(z|x)|p(z) )] 式中， γ1为权重参数， DKL(q(z|x)|p(z))表示近似的后验概率分布和 先验分布之间的 KL散度； 数据生成模型中生成对抗网络的生成器的目标函数为： 式中， γ2为权重参数， 为经编码器重构后的数据； 为生成器的输出数据； D( ·)为判 别器判别为真的概 率； 数据生成模型中生成对抗网络的判别器的目标函数为： 式中， 为经编码器重构后的数据， 为生成器的输出数据， D( ·)为判别器判别为真的 概率， E为单位矩阵。 4.根据权利要求1所述的方法， 其特征在于， 通过以下步骤训练生成对抗网络的生成器 和判别器： 通过生成器生成样本集， 该样本为假标签， 与输入的真实样本一起作为判别器A的训练 集； 将训练好的判别器A参数迁移到反方的判别器B， 利用生成的样本集与训练集中真实样 本构建的混合样本对判别器B进行训练， 更新网络参数， 使判别器A无法分辨是真实样本还 是生成样本； 重复上述两个过程， 直至判别器A与判别器B都无法分辨样本的真假， 得到生成的综合 能源计量仿真数据。权　利　要　求　书 1/3 页 2 CN 114880915 A 25.根据权利要求1所述的方法， 其特征在于， 用于判断生成对抗网络生成的数据 是否满 足真实性约束与相似性约束的约束条件为： 真实性损失Lr定义为： Lr＝W(G(z； θ(G))； θ(D)) 式中， θ(G)表示生成参数， θ(D)表示判别参数， G(z； θ(G))表示生成器的生成样本， W(～； θ(D))表示生成样本与判别样本之间的Was serstein距离； 相似性损失Ls定义 为： Ls＝||G(z； θ(G))‑I||2 式中， I表示真实样本， | |·||2表示矩阵的2范 数， G(z； θ(G))表示生成器的生成样本 。 6.一种综合能源计量仿真数据生成装置， 其特 征在于， 包括： 特征提取模块， 用于通过变分自编码器的编码器对预先构建的综合能源计量样本数据 库中的综合能源计量数据进行 特征提取， 得到编码后的数据特 征； 对抗训练模块， 用于将数据特征输入生成对抗网络， 进行所述生成对抗网络的生成器 与判别器的对抗训练， 直至所述 生成对抗网络生成的数据满足真实性约束与相似性约束； 仿真数据生成模块， 用于在所述生成对抗网络生成的数据满足真实性约束与相似性约 束时， 将所述生成对抗网络生成的数据确定为综合能源计量仿真数据， 根据所述综合能源 计量仿真数据得到生成的综合能源计量仿真数据库。 7.根据权利要求6所述的装置， 其特征在于， 由变分自编码器、 生成对抗网络的生成器 与判别器构成 综合能源计量仿真数据的数据生成模型。 8.根据权利要求7所述的装置， 其特征在于， 所述数据生成模型中网络隐藏层的输出以 高斯方式不同， 并且网络隐藏层的输出式为： 式中， Disl(x)为网络第l个隐含层， E为 单位矩阵， 为生成器的输出数据， p(Disl(x)|z) 为在隐变量z的条件下第l个隐含层的输出概 率， N(·,·)表示二项分布； 最大化期望Eq(z|x)[logp(x| z)]等价于最大似然估 计， 用Eq(z|x)[logp(Disl(x)|z)]替代， 故数据生成模型中变分自编码器的目标函数为： max[γ1·Eq(z|x)[logp(Disl(x)|z)]‑DKL(q(z|x)|p(z) )] 式中， γ1为权重参数， DKL(q(z|x)|p(z))表示近似的后验概率分布和 先验分布之间的 KL散度； 数据生成模型中生成对抗网络的生成器的目标函数为： 式中， γ2为权重参数， 为经编码器重构后的数据； 为生成器的输出数据； D( ·)为判 别器判别为真的概 率； 数据生成模型中生成对抗网络的判别器的目标函数为： 式中， 为经编码器重构后的数据， 为生成器的输出数据， D( ·)为判别器判别为真的 概率， E为单位矩阵。权　利　要　求　书 2/3 页 3 CN 114880915 A 3