[发明专利]基于电力肖像的数据重建模型训练的方法和装置

说明书

本申请涉及一种基于电力肖像的数据重建模型训练的方法、装置、计算机设备和存储介质。所述方法包括：获取高频新能源数据样本集合；基于多个高频新能源数据样本，获取每个高频新能源数据样本的高频新能源图像样本，再获取低频新能源图像样本；基于低频新能源图像样本，通过待训练数据重建模型获取重建新能源图像样本；基于高频新能源图像样本以及重建新能源图像样本，获取每个高频新能源数据样本对应的感知损失；基于每个高频新能源数据样本对应的感知损失，对待训练数据重建模型的模型参数进行更新，通过更新后的模型参数得到目标数据重建模型。采用本方法保留高频新能源数据的高频细节，保证低频新能源数据至高频新能源数据升频重建的准确度。

技术领域

本申请涉及新能源数据处理技术领域，特别是涉及一种基于电力肖像的数据重建模型训练的方法和装置。

背景技术

随着区域电力数据传输技术的发展，基于物联网（Internet of Things，IoT）能够实现不同对象间的物理连接与信息交互，而信息与通信技术是提高电网自动化水平的重要手段，使电网时刻产生大量高频新能源数据和低频新能源数据。高频新能源数据相较于低频新能源数据具有更丰富的多源异构的特征，因此能够更清晰地反映用户用电行为，形成更准确的用户画像和标签体系。且高频新能源数据涉及更多的维度，能够提高相关性挖掘能力，提升预测水平。另一方面，由于通信和储存技术限制，高频新能源数据常通过压缩感知（Compressive Sensing，CS）技术转化为低频新能源数据，并且在应用前进行升频重建（Frequency-Increased Reconstruction，FIR），也就是对低频新能源数据进行升频重建得到高频新能源数据。

目前，区域电力数据传输技术领域常用插值方法对低频新能源数据进行升频重建得到高频新能源数据。然而，插值方法通常处理速度较慢，且会使得高配分量受损，从而降低高频新能源数据的高频细节。因此，保留高频新能源数据的高频细节，以保证升频重建的准确度是亟需解决的一个重要问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够保留高频新能源数据的高频细节，以保证升频重建的准确度的基于电力肖像的数据重建模型训练的方法和装置。

第一方面，本申请提供了一种基于电力肖像的数据重建模型训练的方法。所述方法包括：

获取高频新能源数据样本集合，高频新能源数据样本集合包括多个高频新能源数据样本；

基于多个高频新能源数据样本，获取每个高频新能源数据样本对应的高频新能源图像样本，根据高频新能源图像样本获取每个高频新能源数据样本对应的低频新能源图像样本；

基于每个高频新能源数据样本对应的低频新能源图像样本，通过待训练数据重建模型获取每个高频新能源数据样本对应的重建新能源图像样本；

基于每个高频新能源数据样本对应的高频新能源图像样本，以及每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的感知损失；

基于每个高频新能源数据样本对应的感知损失，对待训练数据重建模型的模型参数进行更新，通过更新后的模型参数得到目标数据重建模型，目标数据重建模型用于将低频新能源图像重建为高频新能源图像。

在其中一个实施例中，基于每个高频新能源数据样本对应的高频新能源图像样本，以及每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的感知损失，包括：

对每个高频新能源数据样本对应的高频新能源图像样本进行图像特征处理，确定每个高频新能源图像样本对应的特征图像；

对每个高频新能源数据样本对应的重建新能源图像样本进行图像特征处理，确定每个重建新能源图像样本对应的特征图像；

计算每个高频新能源图像样本对应的特征图像，与每个重建新能源图像样本对应的特征图像之间的均方误差，确定每个高频新能源数据样本对应的感知损失。

在其中一个实施例中，所述方法还包括：