物理约束负荷生成网络

无传感器物理一致

在无详细建筑参数和传感器网络的环境下，通过温度-负荷关联的物理约束，生成具有热力学一致性的空调负荷数据，解决了传统模型缺乏物理可解释性的问题。

于丽 · Yang, Xiaoyu · Jia, Dongli · 盛万兴 · 刘科研 · 林荣恒

Sensors 2025

参数信息

局部相似度

0.98

相对现有最优模型提升

11.4 %

相对原始TimeGAN提升

13.3 %

技术优势

多样时序模式能学

DTW聚类先对数据进行结构化划分，让模型分别学习不同类别的负荷曲线模式，避免平均化分布丢失特定时序特征。

没有传感器也守恒

利用温度-负荷的内在关联构建无参数物理约束，无需详细建筑参数和传感器网络，就能保证生成数据的热力学一致性。

长期生成能自适应

LSTM选择机制动态评估并挑选子模型，在生成长序列时自动切换合适的聚类子模型，解决适应性不足的问题。

生成质量涨一成

在东南地区空调负荷数据集上，局部相似度达到0.98，比现有最优模型和原始TimeGAN分别提高11.4%和13.3%。

应用场景

• 智能电网：生成多样负荷数据，辅助电网调度和规划仿真。
• 能源管理：在传感器稀缺场景下生成热力学一致的负荷数据，支撑节能策略验证。
• 空调负荷预测：提供逼真的合成负荷数据，增强预测模型训练样本。
• 电力系统调度：生成不同场景的负荷曲线，用于调度方案测试与优化。