[发明专利]基于生成对抗网络的多维电气量连续时间序列生成方法

权利要求书

1.基于生成对抗网络的多维电气量连续时间序列生成方法，其特征在于，具体按照如下步骤实施：

步骤1，首先获取实测的多维电气量连续时间序列数据，建立真实多维电气量连续时间序列数据集；

步骤2，构建生成对抗网络，所述生成对抗网络包括生成网络G和判别网络D；

步骤3，使用生成网络G首次生成虚假的多维电气连续时间序列数据；

步骤4，采用判别网络D对步骤3首次生成的虚假数据和步骤1的真实多维电气连续时间序列数据进行判别，在判别过程中对生成的虚假数据进行约束处理，生成经约束处理之后的生成数据；

步骤5，对真实的多维电气连续时间序列数据和经过约束处理后的生成数据进行判别分析，分析真实数据和生成数据的差异性，将真实的多维电气连续时间序列数据和经过约束处理后的生成数据视为不同类样本，得到判别网络D的训练参数；

步骤6，用步骤5得到的判别网络D的训练参数，对生成网络模型G进行训练，训练时，将真实的多维电气连续时间序列数据和经过约束处理后的生成数据视为同类样本，对生成网络模型G的参数进行调整修正，得到更新的生成网络G；

步骤7，使用步骤6更新的生成网络模型G，生成更新的虚假数据，然后重复步骤4-6，达到最大迭代次数后，认为生成的虚假数据可以作为真实的多维电气量连续时间序列数据。

2.根据权利要求1所述的基于生成对抗网络的多维电气量连续时间序列生成方法，其特征在于，所述步骤2中生成网络G的结构为：通过卷积神经网络构建生成网络模型G，包括3层网络层数，分别为依次连接的输入层、隐藏层和输出层，所述输入层节点数为n维随机噪声，隐藏层节点数为128，输出层节点数为时间序列维度n；

所述步骤2中判别网络D的结构为：通过长短期记忆网络构建判别网络模型D，包括3层网络层数，分别为依次连接的输入层、隐藏层和输出层，所述输入层节点数为时间序列维度n，隐藏层节点数为64，输出层节点数为1，所述隐藏层中加有符合物理实际的数据约束条件。

3.根据权利要求2所述的基于生成对抗网络的多维电气量连续时间序列生成方法，其特征在于，所述生成网络G的损失函数定义为：

其中，z～pz(z)为生成网络G的多维电气量连续时间序列数据集的概率分布；D(G(z))为判别网络D在生成网络G上生成的虚假多维电气量连续时间序列数据集的输出；表示生成网络G生成判别网络D无法区分的多维电气量连续时间序列数据；

所述判别网络D的损失函数定义为：

其中，D(x)为判别网络在真实多维电气量连续时间序列数据集上的输出，x～pdata为真实多维电气量连续时间序列数据集的概率分布；E_x～pdata(x)[logD(x)]表示判别网络D能区分出真实的多维电气量连续时间序列数据和生成网络G生成的虚假多维电气量连续时间序列数据；

所述生成对抗网络的损失函数定义为：