使用弱监督训练和权重选择的GAN学习和生成多样化的居民负载模式

本研究解决了高质量居民负载数据稀缺的问题，提出了一种基于生成对抗网络的合成居民负载模式生成模型（RLP-GAN），采用弱监督学习和过完备自编码器，能够有效捕捉复杂的负载数据依赖性。实验证明，RLP-GAN在捕捉时间依赖性和生成与真实数据相似的负载模式方面超越了现有的最先进模型，所生成的合成数据集也对外公开，推动了相关领域的发展。