供热数据生成方法、装置、设备和计算机存储介质与流程

技术特征：
1.一种供热数据生成方法，包括：利用历史供热数据得到训练样本；利用所述训练样本训练包含生成器和判别器的对抗模型；其中，所述生成器利用输入的随机信号生成模拟训练样本的供热数据；所述判别器对训练样本和所述生成器生成的模拟该训练样本的供热数据进行判别；所述生成器的训练目标为最小化生成的供热数据与训练样本的差异，所述判别器的训练目标为最大程度判别出训练样本和所述生成器生成的供热数据；利用训练完成后得到的所述生成器生成供热数据。2.根据权利要求1所述的方法，其中，所述利用历史供热数据得到训练样本包括：采用预设时长的滑动窗口对所述历史供热数据进行采集，将各滑动窗口内时序的历史供热数据分别作为训练样本。3.根据权利要求1或2所述的方法，其中，所述历史供热数据包括：环境数据、热源设备参数、换热站设备参数和用户端热参数。4.根据权利要求1所述的方法，其中，所述利用历史供热数据得到训练样本包括：对采集的历史供热数据进行预处理，所述预处理包括删除异常值、填充缺失值、数据聚合和特征离散化中的至少一种；所述删除异常值包括：针对历史供热数据的每一维数据，依据该维数据的均值或中位值中的一种以及标准差，确定合理区间；删除不满足所述合理区间的数据；所述填充缺失值包括：采用线性插值法对历史供热数据的每一维数据进行缺失值填充；所述数据聚合包括：以采集历史供热数据中采用的最低采集频率，对历史供热数据进行数据聚合，分别针对聚合得到的每一维数据取均值作为该维数据的样本值；所述特征离散化包括：采用等频分箱的方式对历史供热数据的每一维连续数据进行离散化处理。5.根据权利要求1所述的方法，其中，所述对抗模型采用深度卷积对抗网络dcgan或推土机对抗网络wgan。6.根据权利要求5所述的方法，其中，若所述对抗模型采用wgan，训练过程中采用rmsprop下降法。7.根据权利要求2所述的方法，其中，所述利用训练完成后得到的所述生成器生成供热数据包括：将随机信号输入所述训练完成后得到的所述生成器，得到预设时长的时序供热数据，用于作为热负荷预测模型的训练数据。8.一种供热数据生成装置，包括：样本获取单元，用于利用历史供热数据得到训练样本；模型训练单元，用于利用所述训练样本训练包含生成器和判别器的对抗模型；其中，所述生成器利用输入的随机信号生成模拟训练样本的供热数据；所述判别器对训练样本和所述生成器生成的模拟该训练样本的供热数据进行判别；所述生成器的训练目标为最小化生成的供热数据与训练样本的差异，所述判别器的训练目标为最大程度判别出训练样本和所述生成器生成的供热数据；
数据生成单元，用于利用训练完成后得到的所述生成器生成供热数据。9.根据权利要求8所述的装置，其中，所述样本获取单元，具体用于采用预设时长的滑动窗口对所述历史供热数据进行采集，将各滑动窗口内时序的历史供热数据分别作为训练样本。10.根据权利要求8或9所述的装置，其中，所述历史供热数据包括：环境数据、热源设备参数、换热站设备参数和用户端热参数。11.根据权利要求8所述的装置，还包括预处理单元，用于对采集的历史供热数据进行预处理，以供所述样本获取单元利用；其中所述预处理包括删除异常值、填充缺失值、数据聚合和特征离散化中的至少一种；所述删除异常值包括：针对历史供热数据的每一维数据，依据该维数据的均值或中位值中的一种以及标准差，确定合理区间；删除不满足所述合理区间的数据；所述填充缺失值包括：采用线性插值法对历史供热数据的每一维数据进行缺失值填充；所述数据聚合包括：以采集历史供热数据中采用的最低采集频率，对历史供热数据进行数据聚合，分别针对聚合得到的每一维数据取均值作为该维数据的样本值；所述特征离散化包括：采用等频分箱的方式对历史供热数据的每一维连续数据进行离散化处理。12.根据权利要求8所述的装置，其中，所述对抗模型采用深度卷积对抗网络dcgan或推土机对抗网络wgan。13.根据权利要求12所述的装置，其中，若所述对抗模型采用wgan，所述模型训练单元在训练过程中采用rmsprop下降法。14.根据权利要求9所述的装置，其中，所述数据生成单元，具体用于将随机信号输入所述训练完成后得到的所述生成器，得到预设时长的时序供热数据，用于作为热负荷预测模型的训练数据。15.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结
本公开公开了一种供热数据生成方法、装置、设备和计算机存储介质，涉及人工智能技术下的物联网、大数据、深度学习等技术。具体实现方案为：利用历史供热数据得到训练样本；利用所述训练样本训练包含生成器和判别器的对抗模型；其中，所述生成器利用输入的随机信号生成模拟训练样本的供热数据；所述判别器对训练样本和所述生成器生成的模拟该训练样本的供热数据进行判别；所述生成器的训练目标为最小化生成的供热数据与训练样本的差异，所述判别器的训练目标为最大程度判别出训练样本和所述生成器生成的供热数据；利用训练完成后得到的所述生成器生成供热数据。本公开可以有效解决获取大量供热数据困难、成本高的问题。成本高的问题。成本高的问题。


技术研发人员：闻雅兰
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.08.02
技术公布日：2022/1/21