基于TimeGAN的极端天气光伏功率预测方法

1

作者 孙师奇 马刚 +2 位作者 许文俊 李豪 马健 《综合智慧能源》 2025年第9期51-59,共9页

极端天气下准确预测光伏发电量对保障能源供应和电网稳定至关重要,但此类天气的突发性导致光伏电站历史数据稀缺,难以有效预测极端天气场景下的光伏功率。针对上述问题,提出一种基于时间序列生成对抗网络(TimeGAN)的少量历史数据扩充预... 极端天气下准确预测光伏发电量对保障能源供应和电网稳定至关重要,但此类天气的突发性导致光伏电站历史数据稀缺,难以有效预测极端天气场景下的光伏功率。针对上述问题,提出一种基于时间序列生成对抗网络(TimeGAN)的少量历史数据扩充预测方法,捕捉光伏功率和天气条件中的复杂时间依赖关系,根据光伏电站已有少量历史数据,生成逼真的时间序列数据,模拟极端天气发生的过程,进而展开光伏功率预测。试验结果显示,相较于采用传统生成对抗网络(GAN)扩增小样本数据,采用TimeGAN扩充小样本后的预测结果有较好的拟合性,数据扩增25%后平均绝对误差(MAE)降低了1.14 MW,均方根误差(RMSE)降低了1.09 MW,数据扩增50%后MAE降低了1.08 MW,RMSE降低了0.99 MW,精确度得到了明显提高。 展开更多

关键词 timegan 极端天气 小样本扩充 光伏功率预测 时间序列

在线阅读 下载PDF 职称材料

结合Transformer与TimeGAN的智慧电厂电力负荷预测方法 被引量：1

2

作者 李柏杰 朱贤伟 +1 位作者 王伟 王崇如 《国外电子测量技术》 2025年第4期211-216,共6页

在实际应用过程中,电力负荷预测技术的准确性会受到天气变化、人口迁移、行业用电模式等多种因素影响。提出一种结合Transformer与时间序列生成对抗网络(TimeGAN)的智慧电厂电力负荷预测方法。由均方误差可知,随着轮次的增加,预测时长... 在实际应用过程中,电力负荷预测技术的准确性会受到天气变化、人口迁移、行业用电模式等多种因素影响。提出一种结合Transformer与时间序列生成对抗网络(TimeGAN)的智慧电厂电力负荷预测方法。由均方误差可知,随着轮次的增加,预测时长为24、48、168、512 h的电力负荷预测精度误差分别在0.12~0.125、0.13~0.14、0.14~0.15、0.15~0.19区间,预测精度较好;由平均绝对误差可知,在轮次为10时,预测时长24 h的预测精度误差较小(0.24)且更加稳定,而预测时长为512 h的预测误差较大(0.28~0.30)且不稳定。该预测方法实现了智慧电厂电力负荷的高效、准确预测。 展开更多

关键词 电力负荷预测 Transformer模型 timegan 智慧电厂

原文传递

基于TimeGAN的轨道交通LTE-M故障预测研究 被引量：1

3

作者 余凤琴 邹劲柏 沙宏 《现代信息科技》 2025年第8期10-15,共6页

轨道交通地铁长期演进(LTE-M)网络故障预测数据集存在样本不均衡以及样本数据量小的问题,这些问题影响故障预测的准确性。为了解决上述问题,文章提出了一种基于条件时序生成对抗网络(TimeGAN)的轨道交通LTE-M故障预测研究方法。该方法通... 轨道交通地铁长期演进(LTE-M)网络故障预测数据集存在样本不均衡以及样本数据量小的问题,这些问题影响故障预测的准确性。为了解决上述问题,文章提出了一种基于条件时序生成对抗网络(TimeGAN)的轨道交通LTE-M故障预测研究方法。该方法通过TimeGAN模型中定义动态自编码器和静态自编码器,进一步挖掘轨道交通LTE-M故障数据的动静态特征,并在生成器与判别器的潜在空间引入GELU激活函数,加速模型收敛,生成更接近真实数据的合成数据,从而有效缓解了故障数据集不均衡和数据量小的问题。实验结果表明,使用TimeGAN模型合成的数据进行故障预测训练时,与原始数据相比能产生更好的预测效果。 展开更多

关键词 轨道交通LTE-M 故障预测 时间序列 timegan

在线阅读 下载PDF 职称材料

基于TimeGAN和LightGBM的多维时间序列故障样本扩充与诊断研究 被引量：1

4

作者 马良玉 翟亮亮 韩立凯 《电力科学与工程》 2025年第9期13-21,共9页

火电机组热力系统故障往往会经历从轻微到严重的发展过程,而轻度和早期故障因特征不明显很容易被漏诊,这将导致故障进一步发展带来更严重的后果。鉴于机组实际运行中故障样本较为稀缺且记录的多为特征明显的中、重度故障样本,为提高轻... 火电机组热力系统故障往往会经历从轻微到严重的发展过程,而轻度和早期故障因特征不明显很容易被漏诊,这将导致故障进一步发展带来更严重的后果。鉴于机组实际运行中故障样本较为稀缺且记录的多为特征明显的中、重度故障样本,为提高轻度故障诊断的及时性和准确率,提出一种基于时间对抗生成网络(Time-series generative adversarial networks, Time GAN)和轻量级梯度提升机(Light gradient boosting machine, LightGBM)的多维时间序列故障样本扩充及故障诊断方法。数据方面,利用Time GAN对已有的中、重度故障数据进行扩充,生成反映真实故障样本分布且更具多样性的故障样本;模型方面,基于扩充后的故障样本集,采用贝叶斯寻优的LightGBM算法建立故障分类模型,以提高轻度和早期故障的识别能力。以600 MW火电机组高压加热器系统故障诊断为例开展实验研究,结果表明所提方法对轻微故障的诊断效果明显改善,验证了故障样本扩充和诊断方法的有效性。 展开更多

关键词 火电机组 故障诊断 多维时间序列 样本扩充 时间对抗生成网络 轻量级梯度提升机

在线阅读 下载PDF 职称材料

基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法 被引量：3

5

作者 潘美琪 贺兴 《太阳能学报》 北大核心 2025年第1期192-200,共9页

风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时... 风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时序生成对抗网络(TimeGAN)跟踪风电机组运行数据逐步概率分布的动态变化特征,同时优化生成样本的全局分布与局部分布,有效平衡且扩容风电机组多种故障综合样本集;在模型层面,建立Stacking集成模型,融合多个故障诊断器的优势,进一步提高故障诊断能力。最后,基于实际风场数据对所提方法进行测试,结果表明,所提出的TimeGAN-Stacking故障识别方法可有效诊断4种变桨故障。 展开更多

关键词 风电机组 数据挖掘 故障分析 深度学习 时序生成对抗网络 样本增强

原文传递

基于改进TCN-TimeGAN的矿井瓦斯浓度智能预测方法 被引量：5

6

作者 胡青松 郑硕 +1 位作者 李世银 孙彦景 《煤炭科学技术》 CSCD 北大核心 2024年第S2期321-330,共10页

瓦斯浓度预测对于保障矿井安全生产至关重要。瓦斯浓度数据具有样本量少、存在时间依赖性等特点,传统机器学习等方法通常效果不佳。提出一种时间卷积改进时序生成对抗网络(TCN-Ti-meGAN),基于生成对抗网络特性改善瓦斯数据小样本过拟合... 瓦斯浓度预测对于保障矿井安全生产至关重要。瓦斯浓度数据具有样本量少、存在时间依赖性等特点,传统机器学习等方法通常效果不佳。提出一种时间卷积改进时序生成对抗网络(TCN-Ti-meGAN),基于生成对抗网络特性改善瓦斯数据小样本过拟合的问题,利用TimeGAN网络捕捉瓦斯序列的时间特征,基于TCN网络扩大感受野以便读取长时间维度特征。在损失函数设计中,利用Wasserstein距离衡量瓦斯数据分布,并给鉴别网络损失函数添加自适应权重的梯度惩罚项,以解决数据不对性、梯度消失等问题,提高训练稳定性和预测准确度。在进行模型训练时,首先对瓦斯时间序列进行归一化、数据缺失值处理等操作,将处理结果作为模型的输入序列,输入到嵌入网络和恢复网络进行训练,以降低重构损失。随后,将输入序列输入监督网络中进行训练,以减小监督损失;最后进行联合训练,其总损失为生成网络损失和鉴别网络损失之和。实验表明,改进模型生成的数据能更全面地覆盖原始数据分布,利用改进模型生成的数据进行预测所得到预测结果的均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)等指标都远小于对比模型,在所有时间段都能保持稳定准确的预测。 展开更多

关键词 瓦斯浓度预测 timegan 深度学习 人工智能 煤矿智能化

在线阅读 下载PDF 职称材料

基于TimeGAN-LSTM的月径流预测模型 被引量：4

7

作者 苗磊 刘杨 +2 位作者 田童晖 张志强 韩会明 《水电能源科学》 北大核心 2024年第11期12-15,共4页

准确的月径流预测对于水资源管理和配置具有重要意义,针对月径流样本数据不足导致预测精度较低的问题,提出了基于TimeGAN-LSTM的月径流预测模型。以无定河流域为研究区域,收集了6个气象站和4个水文站的数据资料,首先基于长短期记忆网络(... 准确的月径流预测对于水资源管理和配置具有重要意义,针对月径流样本数据不足导致预测精度较低的问题,提出了基于TimeGAN-LSTM的月径流预测模型。以无定河流域为研究区域,收集了6个气象站和4个水文站的数据资料,首先基于长短期记忆网络(LSTM)进行了4个站点的月径流预测,然后采用TimeGAN模型生成了月径流及其对应的月平均气温和降水数据,利用生成数据扩充了训练集并进行了基于TimeGAN-LSTM模型的训练和预测。研究结果表明,基于TimeGAN模型的生成数据与实测数据在分布上具有一定相似性;相较于LSTM,TimeGAN-LSTM模型预测结果的纳什效率系数平均增加了16.67%,平均绝对百分比误差降低了40.42%。该方法可有效提升月径流预测精度,为水资源管理决策提供技术支撑。 展开更多

关键词 月径流预测 无定河流域 timegan LSTM

原文传递

基于TimeGAN-LSTM的无人机GPS欺骗干扰检测模型 被引量：3

8

作者 王路阳 孙一宸 +2 位作者 于明鑫 李天放 董明利 《电子测量与仪器学报》 CSCD 北大核心 2023年第6期122-135,共14页

针对无人机易受GPS欺骗干扰的问题,提出一种基于长短时记忆法(LSTM)的无人机全球定位系统(GPS)欺骗干扰检测模型。为了提高模型训练精度,首先利用时序生成对抗网络(TimeGAN)对训练数据集进行了数据增强工作,弥补了训练数据量的不足,还... 针对无人机易受GPS欺骗干扰的问题,提出一种基于长短时记忆法(LSTM)的无人机全球定位系统(GPS)欺骗干扰检测模型。为了提高模型训练精度,首先利用时序生成对抗网络(TimeGAN)对训练数据集进行了数据增强工作,弥补了训练数据量的不足,还对比了增强数据集与原始数据集的性能差距。然后搭建了LSTM模型,在仿真实验下TimeGAN+LSTM模型获得的准确率、精确率、召回率和F1值分别为98.08%、98.55%、98.07%和98.31%。最后与传统机器学习模型进行比较,对比结果证明,提出的欺骗干扰检测模型拥有更好的性能指标。该模型可实现对无人机GPS欺骗干扰信号的有效检测。 展开更多

关键词 无人机 GPS欺骗干扰检测 深度学习 timegan LSTM

原文传递

基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法 被引量：5

9

作者 黑新宏 高苗 +3 位作者 张宽 费蓉 邱原 姬文江 《通信学报》 EI CSCD 北大核心 2024年第4期185-200,共16页

为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,提出了一种基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法。首先对比基于LSTM和GRU的TimeGAN模型,选取性能更优的GRU网络作为TimeGAN模型的组成单元,然后采用Nada... 为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,提出了一种基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法。首先对比基于LSTM和GRU的TimeGAN模型,选取性能更优的GRU网络作为TimeGAN模型的组成单元,然后采用Nadam优化算法对TimeGAN模型的各组件进行优化,即构建Nadam-TimeGAN模型用以数据扩充,最后构建一个平衡的数据集输入XGBoost集成学习模型进行分类训练。实验选取转辙机动作电流数据集进行验证性实验,选取MFPT轴承数据集和CWRU轴承数据集进行泛化性实验,并与8种方法进行对比,结果表明,所提方法在准确率、召回率以及F1-score这3种评价指标上均高于其他方法,从而验证了所提方法在不平衡数据故障诊断方面的有效性和泛化性。 展开更多

关键词 时间序列生成对抗网络 Nesterov加速自适应矩估计 极致梯度提升 故障诊断 数据增强

在线阅读 下载PDF 职称材料

基于TimeGAN和CNN-BiLSTM-Attention的大坝变形预测混合模型 被引量：5

10

作者 原佳帆 李丹杨 +2 位作者 李佳霖 秦学 毛鹏 《人民黄河》 CAS 北大核心 2024年第12期127-130,143,共5页

基于历史数据的深度学习模型往往需要跨越数年的大量数据集,为了解决数据不足问题,提出一种将时间序列生成对抗性网络(TimeGAN)与CNN-BiLSTM-Attention相结合的混凝土面板堆石坝变形预测混合模型。首先,利用TimeGAN生成虚拟数据来扩展... 基于历史数据的深度学习模型往往需要跨越数年的大量数据集,为了解决数据不足问题,提出一种将时间序列生成对抗性网络(TimeGAN)与CNN-BiLSTM-Attention相结合的混凝土面板堆石坝变形预测混合模型。首先,利用TimeGAN生成虚拟数据来扩展稀疏的数据集;然后,利用卷积神经网络(CNN)提取大坝传感器数据中的非线性局部特征,运用BiLSTM捕获双向时间序列特征;最后,引入注意力(Attention)机制对BiLSTM层提取的信息特征自动进行权重分配,通过全连接层输出最终预测结果。以贵州省毕节市某混凝土面板堆石坝为例,验证该混合模型的适用性。建立长短期记忆网络(LSTM)、CNN-LSTM、CNN-LSTM-Attention、CNN-BiLSTM-Attention 4种基模型,再分别引入TimeGAN,对比各模型的预测精度。结果表明:基于TimeGAN和CNN-BiLSTM-Attention的混合模型的拟合效果明显优于其他模型,其预测值与监测值最接近。相较于传统单一LSTM模型,混合模型的EMS、ERMS、EMA分别降低了71%、49%、45%,R2提升了20%。 展开更多

关键词 timegan CNN BiLSTM ATTENTION 混凝土面板堆石坝 变形预测

在线阅读 下载PDF 职称材料

基于TimeGAN-CNN-LSTM模型的河流水质预测研究 被引量：9

11

作者 张丽娜 陈会娟 余昭旭 《自动化仪表》 CAS 2022年第8期11-15,共5页

为精确预测河流水质中的铵离子(NH_(4)^(+))浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型。使用TimeGAN对河流水质历史数据进行数据增强,生成... 为精确预测河流水质中的铵离子(NH_(4)^(+))浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型。使用TimeGAN对河流水质历史数据进行数据增强,生成合成时间序列数据;采用CNN对输入的数据进行特征提取,并通过全连接层将数据输入到LSTM中得到预测值,从而建立TimeGANCNN-LSTM河流水质预测模型。试验结果表明,模型预测效果良好,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))分别为0.07、0.08和0.97,比CNN-LSTM模型分别提高了45.45%、47.06%和19.75%,比LSTM模型分别提高了50%、50%和21.25%。TimeGAN-CNN-LSTM既解决了训练模型时数据不充分的问题,又能够充分提取水质数据在时间和空间上的特征,具有较高的应用价值。 展开更多

关键词 水质预测 混合模型 时间序列对抗生成网络 卷积神经网络 长短期记忆网络 时间序列数据

在线阅读 下载PDF 职称材料

基于TimeGAN和多臂老虎机的WMN接入模式选择方法 被引量：1

12

作者 苏鹏 朱晓荣 朱洪波 《无线电通信技术》 2023年第3期424-431,共8页

无线Mesh网络是一种多跳网络,与传统无线网络不同,它融合了无线局域网WLAN和Ad Hoc网络的优势,具有易组织、高速率和自愈性等优点。由于无线Mesh网络存在负载高、不均衡业务以及业务突发性高等特性,直接在无线Mesh网络中应用传统无线自... 无线Mesh网络是一种多跳网络,与传统无线网络不同,它融合了无线局域网WLAN和Ad Hoc网络的优势,具有易组织、高速率和自愈性等优点。由于无线Mesh网络存在负载高、不均衡业务以及业务突发性高等特性,直接在无线Mesh网络中应用传统无线自组网的经典接入算法可能会导致网络性能下降,包括丢包率偏高、吞吐量不足、端到端时延无法得到保障等问题。基于此,提出了一种基于时间序列生成对抗网络(Time-series Generative Adversarial Networks, TimeGAN)与和多臂老虎机(Multi-Armed Bandits, MAB)的无线Mesh网络接入模式选择方法,该方法使用TimeGAN生成无线Mesh网络中Mesh节点的时间序列数据,并将其用于预测不同接入模式下的网络性能;然后,使用多臂老虎机算法选择最佳的接入模式,以实现最优的网络性能。在使用具体硬件搭建的无线Mesh网络中进行了实验,结果表明所提出的方法具有显著的优势和实用性,对于提高无线Mesh网络的性能具有重要意义。 展开更多

关键词 无线Mesh网络 接入机制 时间序列生成对抗网络 多臂老虎机

在线阅读 下载PDF 职称材料

基于MDTimeGAN的序列数据生成方法 被引量：1

13

作者 朱春强 刘彬 朱莉 《计算机工程》 CAS CSCD 北大核心 2024年第11期59-69,共11页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于TimeGAN的电液伺服阀性能评估模型

14

作者 余萍 孙嘉徽 +1 位作者 谢周鹤 张超 《液压与气动》 北大核心 2024年第10期170-179,共10页

电液伺服阀容易受到油液污染的影响,当污染颗粒通过节流口时会对阀口壁面产生冲蚀磨损,使得电液伺服阀阀口过流断面变大,内泄漏量增加。针对现有仿真手段难以准确衡量电液伺服阀的性能退化,而试验样本有限等问题,提出一种基于时间序列... 电液伺服阀容易受到油液污染的影响,当污染颗粒通过节流口时会对阀口壁面产生冲蚀磨损,使得电液伺服阀阀口过流断面变大,内泄漏量增加。针对现有仿真手段难以准确衡量电液伺服阀的性能退化,而试验样本有限等问题,提出一种基于时间序列生成对抗网络算法的评估模型用于评估电液伺服阀性能。首先分析了电液伺服阀的失效机理,然后建立了时间序列生成对抗网络算法的框架,利用维纳过程分析并得到了电液伺服阀的性能评估模型,最后设计并完成了污染磨损试验,利用时间序列生成对抗网络算法对试验数据扩充,通过参数估计的结果对比发现,利用时间序列生成对抗网络算法对试验数据扩充可以有效提升电液伺服阀性能评估模型的准确度。 展开更多

关键词 电液伺服阀 冲蚀磨损 内泄漏 时间序列生成对抗网络 性能评估

在线阅读 下载PDF 职称材料

基于TimeGAN数据驱动的智能楼宇共享储能调度

15

作者 李若瑾 汲广军 +5 位作者 杨康 刘泽华 王余阳 王博仑 周霞 赵杰 《分布式能源》 2025年第6期75-85,共11页

共享储能通过调控多个区域资源,可以有效应对各自配置储能造成的低利用率和高成本问题。为进一步发挥共享储能在需求侧资源中的应用潜力,引入具有灵活储能特性的电动汽车和冰蓄冷空调,构建广义共享储能模型实现智能楼宇群用能方式的协... 共享储能通过调控多个区域资源,可以有效应对各自配置储能造成的低利用率和高成本问题。为进一步发挥共享储能在需求侧资源中的应用潜力,引入具有灵活储能特性的电动汽车和冰蓄冷空调,构建广义共享储能模型实现智能楼宇群用能方式的协调优化。针对能源输入侧光伏出力的不确定性,采用时间生成对抗网络(time generative adversarial networks,TimeGAN)模拟大量光伏出力场景,结合日辐照度数据挖掘其静态特征和动态特征,并通过K-medoids聚类得到典型场景。此外,引入阶梯式碳交易限制能源系统碳排放量,建立考虑运行成本、碳排放和用户舒适度的智能楼宇优化调度模型,调用CPLEX进行求解。算例表明,所提方法能够生成高质量的光伏出力场景,兼顾用户舒适性和成本的同时有效提升区域光伏消纳率。 展开更多

关键词 时间生成对抗网络(timegan) 场景生成 广义共享储能 智能楼宇 优化调度

在线阅读 下载PDF 职称材料

基于改进TimeGAN数据增强的用户窃电识别研究

16

作者 吴佐平 王宏岩 +1 位作者 张千福 谢青 《电气传动》 2026年第1期75-81,共7页

用户窃电是电网电能非技术损失的主要原因,对电力系统造成了巨大的经济损失和资源浪费。相较于大量用户正常用电样本,窃电用户属于少数类样本,而传统窃电分类方法在样本稀疏或失衡情况下表现不佳。由此,提出一种基于改进时间序列生成对... 用户窃电是电网电能非技术损失的主要原因,对电力系统造成了巨大的经济损失和资源浪费。相较于大量用户正常用电样本,窃电用户属于少数类样本,而传统窃电分类方法在样本稀疏或失衡情况下表现不佳。由此,提出一种基于改进时间序列生成对抗网络(TimeGAN)数据增强的用户窃电分类方法,使用TimeGAN对原始小样本窃电数据进行增强,生成与原始数据分布相似的增广样本,考虑到增广样本存在噪声或不可信等问题,利用马氏距离评估增广样本的质量,完成不可信样本剔除。通过卷积神经网络(CNN)对数据增强后的用电负荷数据进行特征提取,采用长短时记忆网络(LSTM)提取特征量的时序相关性并完成特征分类,进一步,利用麻雀搜索算法(SSA)对CNN-LSTM网络进行参数优化,提高模型检测精度。实验结果表明,所提方法可有效解决用户窃电行为识别中样本不平衡的二分类问题。 展开更多

关键词 timegan模型 马氏距离 麻雀搜索算法(SSA) 窃电识别

在线阅读 下载PDF 职称材料

缺资料山区河流设计洪水推求及预警指标分析

17

作者 姜锋 高军 +2 位作者 许成婧 商华岭 钟华 《水力发电》 2026年第1期38-44,共7页

山区性中小河流因地形条件复杂、历史洪水数据匮乏,其预警指标设定存在不确定性,为此提出一种融合深度学习与水动力模拟的洪水预警指标提取方法。首先,引入时间序列生成对抗网络(TimeGAN),在仅有少量历史洪水数据的基础上扩增高保真度... 山区性中小河流因地形条件复杂、历史洪水数据匮乏,其预警指标设定存在不确定性,为此提出一种融合深度学习与水动力模拟的洪水预警指标提取方法。首先,引入时间序列生成对抗网络(TimeGAN),在仅有少量历史洪水数据的基础上扩增高保真度的洪水序列,实现统计特征与时序结构的兼顾;然后,结合P-III型分布推求设计洪水过程和洪水情景,构建一、二维耦合水动力模型开展洪水分析,设定中小河流控制断面预警指标。以浙江省永康江为例,研究结果表明,TimeGAN能够有效捕捉洪水过程的时序动态特征,避免对历史洪水样本分布的预设,在各子流域中,基于TimeGAN生成的洪水序列与历史样本的平均皮尔逊相关系数和R^(2)系数能够达到0.86和0.79。基于设计洪水情景的洪水分析成果,永康江重要防洪断面溪口站与永康宾馆站(防洪标准均为20 a一遇)的警戒水位分别为80.08 m和84.7 m,保证水位分别为80.91 m和85.5 m。研究成果为山区中小流域防洪预警体系建设提供了科学依据。 展开更多

关键词 山区性河流 timegan 洪水场景生成 设计洪水推求 预警指标

在线阅读 下载PDF 职称材料

基于多阶段生成对抗网络的六足机器人故障数据增强

18

作者 张志强 斯帅 +3 位作者 佃松宜 赵涛 郭斌 刘佳 《机床与液压》 北大核心 2025年第11期1-9,共9页

六足机器人在实际运维工作中,很难采集到足够的故障数据,这导致故障数据存在不平衡,并严重影响故障诊断的效果。针对六足机器人实际应用中故障数据不平衡影响深度学习模型训练导致故障诊断精度低的问题,提出一种多阶段生成对抗网络数据... 六足机器人在实际运维工作中,很难采集到足够的故障数据,这导致故障数据存在不平衡,并严重影响故障诊断的效果。针对六足机器人实际应用中故障数据不平衡影响深度学习模型训练导致故障诊断精度低的问题,提出一种多阶段生成对抗网络数据增强算法。将多传感器的时序数据作为时间序列生成对抗网络(TimeGAN)的输入,生成具有时间动态特征的序列数据;将时间序列生成对抗网络合成的数据代替带梯度惩罚WGAN生成对抗网络(WGAN-GP)中的噪声输入数据,且判别器将图卷积网络、长短时记忆网络和注意力机制结合,更有效地挖掘多源异构传感数据的时空相关性,增强对时序数据的判别能力。实验结果表明:所提算法能有效生成具有高质量、多样性的时序特征数据;与同类型的算法相比,能显著提高故障诊断的准确率。 展开更多

关键词 数据增强 故障诊断 timegan WGAN-GP

在线阅读 下载PDF 职称材料

基于时序对抗网络的流量生成方法

19

作者 林宏刚 李彧涵 《计算机科学》 北大核心 2025年第S2期878-885,共8页

随着网络流量分析技术的发展,对高质量流量生成的需求不断提升。然而现有流量生成方法主要关注包级特征,忽略了时序特性,不能满足要求。为提高生成流量的质量,提出一种改进的TimeGAN流量生成方法,采用GRU提取包级与时序特征,并结合多头... 随着网络流量分析技术的发展,对高质量流量生成的需求不断提升。然而现有流量生成方法主要关注包级特征,忽略了时序特性,不能满足要求。为提高生成流量的质量,提出一种改进的TimeGAN流量生成方法,采用GRU提取包级与时序特征,并结合多头局部-全局注意力机制提升特征融合能力,实现流量特征的均衡建模。同时,设计周期判别-动态解码策略,以生成动态长度的流量序列并保留周期性。从可用性与相似性两方面评估生成流量数据,结果表明,该方法在各项指标上均优于现有方法,能有效提升生成流量质量,更好地模拟真实的网络流量。 展开更多

关键词 流量生成 timegan 多头局部-全局注意力机制 动态解码

在线阅读 下载PDF 职称材料

基于Stacking多模型融合的极端天气短期风电功率预测方法 被引量：9

20

作者 郑颖颖 李鑫 +1 位作者 陈延旭 赵永宁 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3871-3882,共12页

为了解决极端天气下样本稀缺和单一模型预测精度不高的问题,提出一种基于Stacking多模型融合的极端天气短期风电功率预测方法。首先,提取极端事件的原始数据,通过考虑格兰杰因果的最大相关-最小冗余(maximal relevance minimal redundan... 为了解决极端天气下样本稀缺和单一模型预测精度不高的问题,提出一种基于Stacking多模型融合的极端天气短期风电功率预测方法。首先,提取极端事件的原始数据,通过考虑格兰杰因果的最大相关-最小冗余(maximal relevance minimal redundancy, mRMR)特征选择策略降低数据特征冗余和复杂性;其次,针对极端天气数据稀缺的问题,采用捕捉数据时间动态特性的时间序列生成对抗网络(time-seriesgenerativeadversarialnetwork,TimeGAN)算法进行扩充;最后,考虑到各单一模型的差异性及优势性,构建以卷积神经网络、长短期记忆网络、极端梯度提升树、K最近邻算法、支持向量机为基学习器,以轻量梯度提升机为元学习器的Stacking集成模型对未来3d的风电功率进行预测。实验结果表明,所提方法能够有效提升极端天气下的短期风电功率预测精度,与其他预测模型相比,其归一化平均绝对误差和均方根误差分别改善了2.48%和3.47%。 展开更多

关键词 风电功率预测 数据扩充 m RMR特征选择 Stacking集成学习 timegan 极端天气

原文传递