基于MDTimeGAN的序列数据生成方法

来源：计算机工程杂志2024年第11期北京时间：

作者：朱春强, 刘彬, 朱莉

单位：1. 西安交通大学计算机科学与技术学院, 陕西 西安 7100492. 国网陕西省电力有限公司培训中心, 陕西 西安 7100323. 西安科技大学计算机科学与技术学院, 陕西 西安 710054

摘要：非侵入式负荷分解是能源管理领域的一个热门研究课题, 其在各种工业和商业场景中都得到广泛应用。针对负荷分解数据集中存在的样本不平衡问题, 提出一种基于多判别器时间序列生成对抗网络(MDTimeGAN)的序列数据生成方法。通过对原始序列提取时域、频域、时频域以及自相关特征, 并在TimeGAN模型基础上采用4种不同的判别器对时间序列的多维度特征进行判别, 从而提高对原始数据的判别能力, 提升数据质量。在3种公开数据集上进行横向和纵向对比实验, 结果表明, 与对比模型相比, MDTimeGAN模型生成的数据能够更好地覆盖原始数据的分布, 在数据分布方面保持良好的性能, 生成数据符合时间序列数据的特点。

关键词：非侵入式负荷分解,时间序列生成对抗网络,时间序列生成,KS检验,Wassertein距离

基金资助：国网陕西省电力有限公司科技项目(5226PX240003); 国网陕西省电力有限公司数字化项目(B326PX230001); 国网陕西省电力有限公司数字化项目(B326PX23000)