[发明专利]去噪模型训练方法、装置、计算机设备和存储介质

权利要求书

1.一种去噪模型训练方法，其特征在于，所述方法包括：

获取不同数据传输通道相同测点的包含有噪声数据的多个电力监测样本数据，并根据所述多个电力监测样本数据，得到样本噪声数据，以及电力监测样本均值数据；

将所述多个电力监测样本数据中的目标电力监测样本数据，以及所述样本噪声数据输入至待训练的去噪模型；通过所述去噪模型的第一分支，生成第一子预测噪声数据，以及通过所述去噪模型的第二分支，得到所述目标电力监测样本数据对应的去噪数据；获取第二子预测噪声数据，并将所述第一子预测噪声数据以及所述第二子预测噪声数据合并，得到预测噪声数据；

基于所述去噪数据与所述预测噪声数据，得到电力监测预测数据；利用所述第一子预测噪声数据与所述样本噪声数据，得到第一损失值，以及利用所述电力监测预测数据与所述电力监测样本均值数据，得到第二损失值；

利用所述第一损失值以及所述第二损失值对所述待训练的去噪模型进行训练，得到训练完成的去噪模型。

2.根据权利要求1所述的方法，其特征在于，所述第一子预测噪声数据服从期望值为零的目标正态分布；所述通过所述去噪模型的第一分支，生成第一子预测噪声数据，包括：

通过所述第一分支，生成多个候选第一子预测噪声数据；所述多个候选第一子预测噪声数据分别服从期望值为零，且方差值不同的多个正态分布；

从所述多个候选第一子预测噪声数据中，随机选择一个候选第一子预测噪声数据作为所述第一子预测噪声数据。

3.根据权利要求2所述的方法，其特征在于，所述利用所述第一子预测噪声数据与所述样本噪声数据，得到第一损失值，包括：

获取所述第一子预测噪声数据对应的采样值；

基于所述样本噪声数据，以及所述采样值，得到所述样本噪声数据对应的实际噪声数据与所述第一子预测噪声数据的第一差异程度；

将所述第一差异程度作为所述第一损失值。

4.根据权利要求1所述的方法，其特征在于，所述通过所述去噪模型的第二分支，得到所述目标电力监测样本数据对应的去噪数据，包括：

通过所述第二分支，去除所述目标电力监测样本数据中的噪声数据，得到所述目标电力监测样本数据对应的去噪数据。

5.根据权利要求4所述的方法，其特征在于，所述利用所述电力监测预测数据与所述电力监测样本均值数据，得到第二损失值，包括：

获取所述电力监测样本均值数据与所述电力监测预测数据之间的第二相似程度；

根据所述第二相似程度，得到所述第二损失值。

6.根据权利要求1所述的方法，其特征在于，所述利用所述第一损失值以及所述第二损失值对所述待训练的去噪模型进行训练，得到训练完成的去噪模型，包括：

利用所述第一损失值以及所述第二损失值对所述待训练的去噪模型进行训练，直到所述第一损失值为最小值且第二损失值为最小值时，得到训练完成的去噪模型。

7.根据权利要求6所述的方法，其特征在于，所述得到训练完成的去噪模型之后，还包括：

获取待去除噪声的电力监测数据，并将所述待去除噪声的电力监测数据输入至所述去噪模型；

通过所述去噪模型，得到去除噪声后的电力监测数据。