基于改进扩散模型的电力数据超分辨率重建技术

薛彤丹; 王红; 齐林海; 闫江毓; 姜美静; 陶顺

doi:10.7500/AEPS20231017002

您当前的位置：

首页 >

文章列表页 >

基于改进扩散模型的电力数据超分辨率重建技术

学术研究 | 更新时间：2025-06-16

- 基于改进扩散模型的电力数据超分辨率重建技术
- Super-resolution Reconstruction Technology for Power Data Based on Improved Diffusion Model
- 电力系统自动化 2025年49卷第4期页码：214-223
- 作者机构：
  
  1.华北电力大学控制与计算机工程学院，北京市 102206
  2.华北电力大学电气与电子工程学院，北京市 102206
- 作者简介：
  
  薛彤丹(1997—)，女，硕士，主要研究方向：深度学习应用、电力大数据处理。E-mail：xuetongdan@foxmail.com
  王红(1978—)，女，通信作者，博士，副教授，主要研究方向：大数据应用技术、电能质量智能信息处理等。E-mail：wh@ncepu.edu.cn
  齐林海(1964—)，男，副教授，主要研究方向：电能质量智能信息处理、智能电网大数据应用。E-mail：qilinhai@ncepu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(52377101)
- DOI：10.7500/AEPS20231017002
  中图分类号：
- 收稿：2023-10-17，
  
  修回：2024-04-11，
  
  网络出版：2025-01-10，
  
  纸质出版：2025-02-25
- 稿件说明：
移动端阅览
薛彤丹,王红,齐林海等.基于改进扩散模型的电力数据超分辨率重建技术[J].电力系统自动化,2025,49(4):214-223.

XUE Tongdan,WANG Hong,QI Linhai,et al.Super-resolution Reconstruction Technology for Power Data Based on Improved Diffusion Model[J].Automation of Electric Power Systems,2025,49(4):214-223.
薛彤丹,王红,齐林海等.基于改进扩散模型的电力数据超分辨率重建技术[J].电力系统自动化,2025,49(4):214-223. DOI： 10.7500/AEPS20231017002.

XUE Tongdan,WANG Hong,QI Linhai,et al.Super-resolution Reconstruction Technology for Power Data Based on Improved Diffusion Model[J].Automation of Electric Power Systems,2025,49(4):214-223. DOI： 10.7500/AEPS20231017002.

摘要

对低频电力数据进行超分辨率重建有助于实现电力系统精准的态势感知与决策分析。现有的超分辨率重建算法存在重建效果不够精确、算法通用性不强等问题。因此，提出了一种基于改进扩散模型的电力数据超分辨率重建技术。扩散模型能够捕捉到数据中细微且复杂的特征，可在低频数据引导下逐步生成高频电力数据。通过将长短期记忆网络与扩散模型相结合，进一步增强了模型对时序数据的挖掘能力，提高了超分辨率重建能力。使用负荷和谐波两种场景下的电力数据进行算例验证，实验表明所提方法能够精准重建高频数据。同时，模型具备良好的泛化性和灵活性，可应用于未经训练的电气参数和建筑数据，也可以重建不同精度的数据。

Abstract

Super-resolution reconstruction for low-frequency power data is helpful to realize the accurate situation awareness and decision analysis of power systems. The existing super-resolution reconstruction algorithms have problems such as imprecise reconstruction result and weak generality. Therefore

a super-resolution reconstruction technology for power data based on improved diffusion model is proposed. The diffusion model can capture subtle and complex features in the data

and can gradually generate high-frequency power data under the guidance of low-frequency data. By combining the long short-term memory network with the diffusion model

the ability of the model to mine time series data is further enhanced

and the ability of super-resolution reconstruction is improved. The power data in load and harmonic scenarios are used for case verification

and the experiments show that the proposed method can accurately reconstruct high-frequency data. At the same time

the model has good generalization and flexibility

which can be applied to untrained electrical parameters and buildings’ data

and can also reconstruct data with different precision.

关键词

Keywords

references

张翼 . 我国可再生能源继续保持全球领先地位［N］. 光明日报， 2023-02-14 （2）.

ZHANG Yi . China’s renewable energy continues to maintain a leading position in the world ［N］. Guangming Daily ， 2023-02-14 （2）.

滕贤亮，谈超，昌力，等 . 高比例新能源电力系统有功功率与频率控制研究综述及展望［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 12 - 35 .

TENG Xianliang ， TAN Chao ， CHANG Li ， et al . Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 12 - 35 .

SINSEL S R ， RIEMKE R L ， HOFFMANN V H . Challenges and solution technologies for the integration of variable renewable energy sources—a review ［J］. Renewable Energy ， 2020 ， 145 ： 2271 - 2285 .

IMPRAM S ， NESE S V ， ORAL B . Challenges of renewable energy penetration on power system flexibility： a survey ［J］. Energy Strategy Reviews ， 2020 ， 31 ： 1 - 9 .

WANG H Z ， LEI Z X ， ZHANG X ， et al . A review of deep learning for renewable energy forecasting ［J］. Energy Conversion and Management ， 2019 ， 198 ： 111799 .

柳璐，程浩忠，吴耀武，等 . 面向高比例可再生能源的输电网规划方法研究进展与展望［J］. 电力系统自动化， 2021 ， 45 （ 13 ）： 176 - 183 .

LIU Lu ， CHENG Haozhong ， WU Yaowu ， et al . Research progress and prospects of transmission expansion planning method for high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 13 ）： 176 - 183 .

余贻鑫 . 面向21世纪的智能电网［J］. 天津大学学报（自然科学与工程技术版）， 2020 ， 53 （ 6 ）： 551 - 556 .

YU Yixin . A brief description of the basics of the smart grid ［J］. Journal of Tianjin University （Science and Technology）， 2020 ， 53 （ 6 ）： 551 - 556 .

杨博，陈义军，姚伟，等 . 基于新一代人工智能技术的电力系统稳定评估与决策综述［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 200 - 223 .

YANG Bo ， CHEN Yijun ， YAO Wei ， et al . Review on stability assessment and decision for power systems based on new-generation artificial intelligence technology ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 200 - 223 .

葛磊蛟，李元良，汪宇倩 . 智能配电网态势感知实现效果综合评估模型［J］. 天津大学学报（自然科学与工程技术版）， 2020 ， 53 （ 11 ）： 1101 - 1111 .

GE Leijiao ， LI Yuanliang ， WANG Yuqian . Comprehensive evaluation model for situational awareness effects of a smart distribution network ［J］. Journal of Tianjin University （Science and Technology）， 2020 ， 53 （ 11 ）： 1101 - 1111 .

段刚，严亚勤，谢晓冬，等 . 广域相量测量技术发展现状与展望［J］. 电力系统自动化， 2015 ， 39 （ 1 ）： 73 - 80 .

DUAN Gang ， YAN Yaqin ， XIE Xiaodong ， et al . Development status quo and tendency of wide area phasor measuring technology ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 1 ）： 73 - 80 .

张芳，赵东旭，肖志涛，等 . 单幅图像超分辨率重建技术研究进展［J］. 自动化学报， 2022 ， 48 （ 11 ）： 2634 - 2654 .

ZHANG Fang ， ZHAO Dongxu ， XIAO Zhitao ， et al . Research progress of single image super-resolution reconstruction technology ［J］. Acta Automatica Sinica ， 2022 ， 48 （ 11 ）： 2634 - 2654 .

陈晓，荆茹韵 . 单图像超分辨率方法综述［J］. 电子测量技术， 2022 ， 45 （ 9 ）： 104 - 112 .

CHEN Xiao ， JING Ruyun . A review on single image super-resolution ［J］. Electronic Measurement Technology ， 2022 ， 45 （ 9 ）： 104 - 112 .

WANG Z H ， CHEN J ， HOI S C H . Deep learning for image super-resolution： a survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2021 ， 43 （ 10 ）： 3365 - 3387 .

吴毓峰，李富盛，余涛，等 . 基于残差双重注意机制网络的电力数据压缩与高精度重建［J］. 电网技术， 2022 ， 46 （ 8 ）： 3257 - 3271 .

WU Yufeng ， LI Fusheng ， YU Tao ， et al . Power data compression and high-precision reconstruction based on residual dual attention mechanism network ［J］. Power System Technology ， 2022 ， 46 （ 8 ）： 3257 - 3271 .

李富盛，林丹，余涛，等 . 基于改进生成式对抗网络的电气数据升频重建方法［J］. 电力系统自动化， 2022 ， 46 （ 3 ）： 105 - 112 .

LI Fusheng ， LIN Dan ， YU Tao ， et al . Frequency-increased reconstruction method for electrical data based on improved generative adversarial network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 3 ）： 105 - 112 .

刘国龙，赵俊华，文福拴，等 . 面向配用电侧负荷数据的深度端到端超分辨率感知方法［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 28 - 35 .

LIU Guolong ， ZHAO Junhua ， WEN Fushuan ， et al . Deep end-to-end super-resolution perception method for load data at distribution side ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 28 - 35 .

LIU G L ， GU J J ， ZHAO J H ， et al . Super resolution perception for smart meter data ［J］. Information Sciences ， 2020 ， 526 ： 263 - 273 .

HOCHREITER S ， SCHMIDHUBER J . Long short-term memory ［J］. Neural Computation ， 1997 ， 9 （ 8 ）： 1735 - 1780 .

RONNEBERGER O ， FISCHER P ， BROX T . U-net： convolutional networks for biomedical image segmentation ［C］// International Conference on Medical Image Computing and Computer-Assisted Intervention ， October 5-9 ， 2015 ， Munich， Germany ： 234 - 241 .

马明，杜婉琳，陶然，等 . 基于鲁棒优化的风电场分层电压优化控制策略［J］. 天津大学学报（自然科学与工程技术版）， 2021 ， 54 （ 12 ）： 1309 - 1316 .

MA Ming ， DU Wanlin ， TAO Ran ， et al . Hierarchical voltage optimal control strategy of wind farms based on robust optimization ［J］. Journal of Tianjin University （Science and Technology）， 2021 ， 54 （ 12 ）： 1309 - 1316 .

屈尹鹏，徐箭，姜尚光，等 . 基于频繁模式挖掘的风电爬坡事件统计特性建模及预测［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 36 - 43 .

QU Yinpeng ， XU Jian ， JIANG Shangguang ， et al . Frequent pattern mining based modeling and forecasting for statistical characteristics of wind power ramp events ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 36 - 43 .

李莹，富亚洲，王官宏，等 . 电力系统超低频频率振荡分析及扰动源定位［J］. 电网技术， 2023 ， 47 （ 5 ）： 1770 - 1780 .

LI Ying ， FU Yazhou ， WANG Guanhong ， et al . Ultra-low frequency oscillation analysis and location in power system ［J］. Power System Technology ， 2023 ， 47 （ 5 ）： 1770 - 1780 .

DONG C ， LOY C C ， HE K M ， et al . Image super-resolution using deep convolutional networks ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2016 ， 38 （ 2 ）： 295 - 307 .

KIM J ， LEE J K ， LEE K M . Accurate image super-resolution using very deep convolutional networks ［C］// 2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， June 27-30 ， 2016 ， Las Vegas， USA ： 1646 - 1654 .

LEDIG C ， THEIS L ， HUSZÁR F ， et al . Photo-realistic single image super-resolution using a generative adversarial network ［C］// 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， July 21-26 ， 2017 ， Honolulu， USA ： 105 - 114 .

ZHANG X D ， ZENG H ， GUO S ， et al . Efficient long-range attention network for image super-resolution ［C］// Computer Visio-nECCV 2022： 17th European Conference ， October 23-27 ， 2022 ， Tel Aviv， Israel ： 649 - 667 .

LIU J ， ZHANG W J ， TANG Y T ， et al . Residual feature aggregation network for image super-resolution ［C］// 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， June 13-19 ， 2020 ， Seattle， USA ： 2356 - 2365 .

HO J ， JAIN A ， ABBEEL P . Denoising diffusion probabilistic models ［C］// Proceedings of the 34th International Conference on Neural Information Processing Systems ， December 6-12 ， 2020 ， Vancouver， Canada ： 6840 - 6851 .

DHARIWAL P ， NICHOL A . Diffusion models beat GANs on image synthesis ［EB/OL］. ［ 2024-01-01 ］. http：//arxiv.org/abs/2105.05233 http://arxiv.org/abs/2105.05233 .

LIU J Z ， YUAN Z Q ， PAN Z Y ， et al . Diffusion model with detail complement for super-resolution of remote sensing ［J］. Remote Sensing ， 2022 ， 14 （ 19 ）： 4834 .

SAHARIA C ， HO J ， CHAN W ， et al . Image super-resolution via iterative refinement ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2023 ， 45 （ 4 ）： 4713 - 4726 .

RASHID H ， SINGH P ， SINGH A . I-BLEND， a campus-scale commercial and residential buildings electrical energy dataset ［J］. Scientific Data ， 2019 ， 6 ： 190015 .

纪德洋，金锋，冬雷，等 . 基于皮尔逊相关系数的光伏电站数据修复［J］. 中国电机工程学报， 2022 ， 42 （ 4 ）： 1514 - 1523 .

JI Deyang ， JIN Feng ， DONG Lei ， et al . Data repairing of photovoltaic power plant based on Pearson correlation coefficient ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 4 ）： 1514 - 1523 .

肖勇，赵云，涂治东，等 . 基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法［J］. 电力系统保护与控制， 2019 ， 47 （ 11 ）： 37 - 43 .

XIAO Yong ， ZHAO Yun ， TU Zhidong ， et al . Topology checking method for low voltage distribution network based on improved Pearson correlation coefficient ［J］. Power System Protection and Control ， 2019 ， 47 （ 11 ）： 37 - 43 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

复杂断面约束下交直流混联送端电网直流回降保供调控策略

虚拟电厂市场机制与盈利模式及欧洲运行实例分析

自然灾害下流域水库的产汇流过程对发电碳排放量的影响