基于生成对抗网络的电力数据缺失值填补与增强设计.docx

PAGE2

基于生成对抗网络的电力数据缺失值填补与增强设计

摘要

随着智能电网建设的深入推进，电力系统运行过程中积累了海量数据，这些数据是设备状态感知、故障诊断与优化调度的核心资产。然而，受传感器故障、通信中断、存储异常等因素影响，电力数据普遍存在缺失问题，严重制约了下游分析模型的精度与可靠性。同时，电力设备故障样本天然呈现小样本特性，导致数据驱动模型的训练效果不佳。

本课题针对上述痛点，设计了一种基于生成对抗网络（GAN）的电力数据缺失值填补与小样本数据增强方案。系统核心目标有二：一是利用GAN的生成能力，学习电力数据的时序分布规律，生成逼真数据以填补历史缺失值；二是通过条件生成对抗网