本發(fā)明實(shí)施例涉及電力信息，尤其涉及一種模型訓(xùn)練方法、數(shù)據(jù)修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、電力負(fù)荷監(jiān)測(cè)是指對(duì)電力系統(tǒng)中的電能消耗量進(jìn)行實(shí)時(shí)監(jiān)測(cè)和評(píng)估的過程。隨著電力系統(tǒng)規(guī)模的擴(kuò)大和技術(shù)的進(jìn)步，負(fù)荷監(jiān)測(cè)方法和技術(shù)也在不斷演進(jìn)。由于智能電網(wǎng)的興起，現(xiàn)代電力負(fù)荷監(jiān)測(cè)趨向于自動(dòng)化、實(shí)時(shí)化和智能化。利用傳感器、智能電表、數(shù)據(jù)采集設(shè)備以及網(wǎng)絡(luò)通信技術(shù)，可以實(shí)時(shí)獲取和分析電力系統(tǒng)的負(fù)荷數(shù)據(jù)，為電力系統(tǒng)的運(yùn)行和管理提供更及時(shí)、準(zhǔn)確的信息支持。盡管現(xiàn)代電力系統(tǒng)監(jiān)測(cè)設(shè)備的發(fā)展已經(jīng)使得電力負(fù)荷監(jiān)測(cè)變得更加便捷和精確，但仍然存在諸多因素可能導(dǎo)致電力負(fù)荷監(jiān)測(cè)數(shù)據(jù)的缺失。這些因素包括但不限于設(shè)備故障、通信中斷、數(shù)據(jù)傳輸錯(cuò)誤、人為操作失誤以及環(huán)境因素等。特別是在大規(guī)模電力系統(tǒng)中，這些問題可能會(huì)更加顯著。電力負(fù)荷監(jiān)測(cè)過程中缺失的數(shù)據(jù)會(huì)導(dǎo)致監(jiān)測(cè)系統(tǒng)無法完整地記錄和反映電力系統(tǒng)的實(shí)際運(yùn)行情況，由此數(shù)據(jù)修復(fù)對(duì)于缺失的電力負(fù)荷監(jiān)測(cè)數(shù)據(jù)至關(guān)重要。

2、但是，針對(duì)電力負(fù)荷監(jiān)測(cè)數(shù)據(jù)這種大規(guī)模數(shù)據(jù)集的缺失數(shù)據(jù)，現(xiàn)有的數(shù)據(jù)修復(fù)方法存在修復(fù)能力差、修復(fù)效率和精度低的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種模型訓(xùn)練方法、數(shù)據(jù)修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有的數(shù)據(jù)修復(fù)方法存在修復(fù)能力差、修復(fù)效率和精度低的問題。

2、根據(jù)本發(fā)明的一方面，提供了一種數(shù)據(jù)修復(fù)模型訓(xùn)練方法，包括：

3、基于電力量測(cè)樣本數(shù)據(jù)構(gòu)建原始樣本張量，基于所述原始樣本張量確定初始樣本張量，其中，所述原始樣本張量中包括完整的電力量測(cè)樣本數(shù)據(jù)，所述初始樣本張量包括缺失值；

4、利用數(shù)據(jù)修復(fù)模型對(duì)所述初始樣本張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征樣本張量，對(duì)所述預(yù)設(shè)數(shù)量的隱特征樣本張量進(jìn)行合成，得到重構(gòu)樣本張量，其中，所述重構(gòu)樣本張量中包括所述初始樣本張量中的缺失值的修復(fù)值；

5、基于所述原始樣本張量和所述重構(gòu)樣本張量，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法對(duì)所述數(shù)據(jù)修復(fù)模型進(jìn)行訓(xùn)練。

6、根據(jù)本發(fā)明的另一方面，提供了一種數(shù)據(jù)修復(fù)方法，包括：

7、獲取待修復(fù)的電力量測(cè)數(shù)據(jù)；

8、基于所述待修復(fù)的電力量測(cè)數(shù)據(jù)，構(gòu)建原始數(shù)據(jù)張量；

9、將所述原始數(shù)據(jù)張量輸入到數(shù)據(jù)修復(fù)模型，利用所述數(shù)據(jù)修復(fù)模型對(duì)所述原始數(shù)據(jù)張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征張量，基于所述預(yù)設(shè)數(shù)量的隱特征張量的乘積，確定重構(gòu)張量，其中，所述重構(gòu)張量包括待修復(fù)的電力量測(cè)數(shù)據(jù)中待修復(fù)數(shù)據(jù)的修復(fù)值；

10、其中，所述數(shù)據(jù)修復(fù)模型基于如本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)模型的訓(xùn)練方法訓(xùn)練得到。

11、根據(jù)本發(fā)明的另一方面，提供了一種數(shù)據(jù)修復(fù)模型訓(xùn)練裝置，包括：

12、張量構(gòu)建模塊，用于基于電力量測(cè)樣本數(shù)據(jù)構(gòu)建原始樣本張量，基于所述原始樣本張量確定初始樣本張量，其中，所述原始樣本張量中包括完整的電力量測(cè)樣本數(shù)據(jù)，所述初始樣本張量包括缺失值；

13、張量分解模塊，用于利用數(shù)據(jù)修復(fù)模型對(duì)所述初始樣本張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征樣本張量，對(duì)所述預(yù)設(shè)數(shù)量的隱特征樣本張量進(jìn)行合成，得到重構(gòu)樣本張量，其中，所述重構(gòu)樣本張量中包括所述初始樣本張量中的缺失值的修復(fù)值；

14、模型訓(xùn)練模塊，用于基于所述原始樣本張量和所述重構(gòu)樣本張量，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法對(duì)所述數(shù)據(jù)修復(fù)模型進(jìn)行訓(xùn)練。

15、根據(jù)本發(fā)明的另一方面，提供了一種數(shù)據(jù)修復(fù)裝置，包括：

16、數(shù)據(jù)獲取模塊，用于獲取待修復(fù)的電力量測(cè)數(shù)據(jù)；

17、數(shù)據(jù)張量構(gòu)建模塊，用于基于所述待修復(fù)的電力量測(cè)數(shù)據(jù)，構(gòu)建原始數(shù)據(jù)張量；

18、數(shù)據(jù)修復(fù)模塊，用于將所述原始數(shù)據(jù)張量輸入到數(shù)據(jù)修復(fù)模型，利用所述數(shù)據(jù)修復(fù)模型對(duì)所述原始數(shù)據(jù)張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征張量，基于所述預(yù)設(shè)數(shù)量的隱特征張量的乘積，確定重構(gòu)張量，其中，所述重構(gòu)張量包括待修復(fù)的電力量測(cè)數(shù)據(jù)中待修復(fù)數(shù)據(jù)的修復(fù)值；

19、其中，所述數(shù)據(jù)修復(fù)模型基于如本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)模型的訓(xùn)練方法訓(xùn)練得到。

20、根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：

21、至少一個(gè)處理器；以及

22、與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

23、所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)模型訓(xùn)練方法或執(zhí)行本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)方法。

24、根據(jù)本發(fā)明的另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)模型訓(xùn)練方法或?qū)崿F(xiàn)本發(fā)明任一實(shí)施例所述的數(shù)據(jù)修復(fù)方法。

25、本發(fā)明實(shí)施例提供的技術(shù)方案，基于電力量測(cè)樣本數(shù)據(jù)構(gòu)建原始樣本張量，基于原始樣本張量確定初始樣本張，其中，所述原始樣本張量中包括完整的電力量測(cè)樣本數(shù)據(jù)，所述初始樣本張量包括缺失值；利用數(shù)據(jù)修復(fù)模型對(duì)所述初始樣本張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征樣本張量，對(duì)所述預(yù)設(shè)數(shù)量的隱特征樣本張量進(jìn)行合成，得到重構(gòu)樣本張量，其中，所述重構(gòu)樣本張量中包括所述初始樣本張量中的缺失值的修復(fù)值；基于所述原始樣本張量和所述重構(gòu)樣本張量，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法對(duì)所述數(shù)據(jù)修復(fù)模型進(jìn)行訓(xùn)練。通過上述技術(shù)方案，利用數(shù)據(jù)修復(fù)模型對(duì)基于電力量測(cè)樣本數(shù)據(jù)構(gòu)建初始樣本張量進(jìn)行分解，再對(duì)分解后得到的隱特征樣本張量進(jìn)行合成得到包括修復(fù)值的重構(gòu)樣本張量，進(jìn)而基于原始樣本張量和重構(gòu)樣本張量，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法對(duì)數(shù)據(jù)修復(fù)模型進(jìn)行訓(xùn)練，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法訓(xùn)練數(shù)據(jù)修復(fù)模型，有效的提高了數(shù)據(jù)修復(fù)模型的數(shù)據(jù)修復(fù)能力，提升了數(shù)據(jù)的修復(fù)效率和精度低。

26、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種數(shù)據(jù)修復(fù)模型訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)數(shù)量的隱特征樣本張量由所述數(shù)據(jù)修復(fù)模型中的張量環(huán)分解算法對(duì)所述初始樣本張量進(jìn)行分解得到。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)目標(biāo)函數(shù)包括損失函數(shù)項(xiàng)、正則化項(xiàng)和非負(fù)約束，其中，所述損失函數(shù)項(xiàng)基于所述原始樣本張量和所述重構(gòu)樣本張量的歐幾里得距離確定，所述正則化項(xiàng)基于吉洪諾夫正則化確定，所述非負(fù)約束為對(duì)所述隱特征樣本張量的參數(shù)的約束。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)設(shè)梯度下降算法為隨機(jī)梯度下降算法；

5.一種數(shù)據(jù)修復(fù)方法，其特征在于，包括：

6.一種數(shù)據(jù)修復(fù)模型訓(xùn)練裝置，其特征在于，包括：

7.一種數(shù)據(jù)修復(fù)裝置，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-4中任一所述的數(shù)據(jù)修復(fù)模型訓(xùn)練方法或?qū)崿F(xiàn)如權(quán)利要求5所述的數(shù)據(jù)修復(fù)方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的數(shù)據(jù)修復(fù)模型訓(xùn)練方法或執(zhí)行如權(quán)利要求5所述的數(shù)據(jù)修復(fù)方法。

技術(shù)總結(jié)
本發(fā)明公開了一種模型訓(xùn)練方法、數(shù)據(jù)修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。基于電力量測(cè)樣本數(shù)據(jù)構(gòu)建原始樣本張量，基于原始樣本張量確定初始樣本張量，原始樣本張量中包括完整的電力量測(cè)樣本數(shù)據(jù)，初始樣本張量包括缺失值；利用數(shù)據(jù)修復(fù)模型對(duì)初始樣本張量進(jìn)行分解，得到預(yù)設(shè)數(shù)量的隱特征樣本張量，對(duì)預(yù)設(shè)數(shù)量的隱特征樣本張量進(jìn)行合成，得到重構(gòu)樣本張量，重構(gòu)樣本張量中包括初始樣本張量中的缺失值的修復(fù)值；基于原始樣本張量和重構(gòu)樣本張量，利用預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度下降算法對(duì)數(shù)據(jù)修復(fù)模型進(jìn)行訓(xùn)練。有效的提高了數(shù)據(jù)修復(fù)能力，大大降低了數(shù)據(jù)修復(fù)的資源消耗，提升了數(shù)據(jù)的修復(fù)效率和精度低。

技術(shù)研發(fā)人員：許洪華,仝凌云,許自強(qiáng),紀(jì)業(yè),任帥,胡子健,耿明昊,丁煜蓉,王曉峰,周科峰,呂湛
受保護(hù)的技術(shù)使用者：國網(wǎng)江蘇省電力有限公司南京供電分公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2