一种基于改进对抗网络的负荷数据修补方法

本发明属于图像识别和图像预测领域，涉及到一种基于改进对抗网络的负荷数据修补方法。在现阶段采集到的实际负荷数据中，由于监测系统的故障或者人为原因，负荷数据集中有可能有缺失数据，会影响负荷模型的可靠性。本发明提供的方法将由历史电力负荷数据形成高光谱图片先通过图片软件降低分辨率；代入训练样本图片对DCGAN网络进行训练；将测试样本图片上随机去除30个数据点后代入训练完成的DCGAN网络，得出修补后的图片；将修补后的图片使用HSV色彩空间方法转化为数据；使用相对误差（RE）和均方根误差（RMSE）两种误差指标对修补数据进行误差评价。本发明提供的方法负荷数据集中不缺失数据，负荷模型的可靠性高。