(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210327615.X (22)申请日 2022.03.30 (71)申请人 南方电网数字电网研究院有限公司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 李鹏　黄文琦　侯佳萱　戴珍　 梁凌宇　曹尚　邱凯旋　李汉巨　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 黄晓庆 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于电力肖像的数据重建模型训练的方法 和装置 (57)摘要 本申请涉及一种基于电力肖像的数据重建 模型训练的方法、 装置、 计算机设备和存储介质。 所述方法包括： 获取高频新能源数据样本集合； 基于多个高频新能源数据样本， 获取每个高频新 能源数据 样本的高频新能源图像样 本， 再获取低 频新能源图像样本； 基于低频新能源图像样本， 通过待训练数据重建模型获取重建新能源图像 样本； 基于高频新能源图像样 本以及重建新能源 图像样本， 获取每个高频新能源 数据样本对应的 感知损失； 基于每个高频新能源 数据样本对应的 感知损失， 对待训练数据重建模 型的模型参数进 行更新， 通过更新后的模型参数得到目标数据重 建模型。 采用本方法保留高频新能源 数据的高频 细节， 保证低频新能源数据至高频新能源数据升 频重建的准确度。 权利要求书3页 说明书17页 附图9页 CN 114419339 A 2022.04.29 CN 114419339 A 1.一种基于电力肖像的数据重建模型训练的方法， 其特 征在于， 所述方法包括： 获取高频新能源数据样本集合， 所述高频新 能源数据样本集合包括多个 高频新能源数 据样本； 基于所述多个 高频新能源数据样本， 获取每个高频新能源数据样本对应的高频新能源 图像样本， 根据高频新能源图像样本获取每个高频新能源数据样本对应的低频新能源图像 样本； 基于所述每个 高频新能源数据样本对应的低频新 能源图像样本， 通过待训练数据重建 模型获取每 个高频新能源数据样本对应的重建新能源图像样本； 基于所述每个 高频新能源数据样本对应的高频新 能源图像样本， 以及所述每个 高频新 能源数据样本对应的重建新能源图像样本， 获取每个高频新能源数据样本对应的感知损 失； 基于所述每个 高频新能源数据样本对应的感知损失， 对所述待训练数据重建模型的模 型参数进行更新， 通过更新后的模型参数得到目标数据重建模型， 所述 目标数据重建模型 用于将低频新能源图像重建为高频新能源图像。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述每个 高频新能源数据样本对 应的高频新能源图像样本， 以及所述每个高频新能源数据样本对应的重建新能源图像样 本， 获取每 个高频新能源数据样本对应的感知损失， 包括： 对所述每个高频新能源数据样本对应的高频新能源图像样本进行图像特征处理， 确定 每个高频新能源图像样本对应的特 征图像； 对所述每个高频新能源数据样本对应的重建新能源图像样本进行图像特征处理， 确定 每个重建新能源图像样本对应的特 征图像； 计算所述每个 高频新能源图像样本对应的特征图像， 与 所述每个重建新 能源图像样本 对应的特 征图像之间的均方误差， 确定所述每 个高频新能源数据样本对应的感知损失。 3.根据权利要求1或2所述的方法， 其特 征在于， 所述方法还 包括： 基于所述每个 高频新能源数据样本对应的高频新 能源图像样本， 以及所述每个 高频新 能源数据样本对应的重 建新能源图像样本， 获取每个高频新能源数据样本对应的实际损失 以及判别结果； 所述基于所述每个高频新能源数据样本对应的感知损失， 对所述待训练数据重建模型 进行训练， 以得到目标 数据重建模型， 包括： 基于所述每个高频新能源数据样本对应的感知损 失、 实际损失以及判别结果， 对所述 待训练数据重 建模型的模型参数进行更新， 通过更新后的模型参数得到所述目标数据重建 模型， 所述目标 数据重建模型中卷积层与激活函数直接连接 。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述每个 高频新能源数据样本对 应的高频新能源图像样本， 以及所述每个高频新能源数据样本对应的重建新能源图像样 本， 获取每 个高频新能源数据样本对应的实际损失以及判别结果， 包括： 计算所述每个 高频新能源数据样本对应的高频新 能源图像样本， 与 所述每个 高频新能 源数据样本对应的重建新能源图像样本之 间的均方误差， 确定所述每个高频新能源数据样 本对应的实际损失； 基于所述每个高频新能源数据样本对应的高频新能源图像样本与所述每个高频新能权　利　要　求　书 1/3 页 2 CN 114419339 A 2源数据样本对应的重建新能源图像样本， 通过待训练判别模型获取所述每个高频新能源数 据样本对应的判别结果， 所述判别结果表征所述高频新能源数据样本对应的重 建新能源图 像样本为高频新能源图像的概 率。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 根据所述每个 高频新能源数据样本对应的高频新 能源图像样本， 所述每个高频新能源 数据样本对应的重建新能源图像样本， 以及所述每个高频新能源数据样本对应的判别结 果， 对所述待训练判别模型进行训练； 所述基于所述每个高频新能源数据样本对应的感知损 失、 实际损失以及判别结果， 对 所述待训练数据重建模型进行训练， 以得到所述目标 数据重建模型， 包括： 当所述待训练数据重建模型的损失函数达到收敛， 且所述待训练判别模型的损失函数 达到收敛时， 则得到所述目标 数据重建模型。 6.根据权利要求1所述的方法， 其特征在于， 每个 高频新能源数据样本具有对应的数据 属性； 所述基于所述多个高频新能源数据样本， 获取每个 高频新能源数据样本对应的低频新 能源图像样本， 以及每 个高频新能源数据样本对应的高频新能源图像样本， 包括： 通过每个 高频新能源数据样本对应的数据属性， 对所述多个高频新能源数据样本进行 归一化处理， 得到所述每 个高频新能源数据样本对应的高频新能源图像样本； 对所述每个高频新能源数据样本对应的高频新能源图像样本进行压缩感知转化处理， 得到所述每 个高频新能源数据样本对应的低频新能源图像样本； 在所述得到目标 数据重建模型之后， 所述方法还 包括： 获取目标高频新能源数据， 所述目标高频新能源数据具有对应的数据属性； 通过所述目标高频新 能源数据对应的数据属性， 对所述目标高频新能源数据进行归一 化处理， 得到所述目标高频新能源数据对应的目标高频新能源图像； 对所述目标高频新能源数据对应的高频新 能源图像进行压缩感知转化处理， 得到所述 目标高频新能源数据对应的目标低频新能源图像； 基于所述目标高频新 能源数据对应的低频新 能源图像， 通过所述目标数据重建模型获 取目标高频新能源数据对应的目标重建新能源图像。 7.一种基于电力肖像的数据重建模型训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取高频新能源数据样本集合， 所述高频新能源数据样本集合包括多 个高频新能源数据样本； 处理模块， 用于基于所述多个高频新能源数据样本， 获取每个高频新能源数据样本对 应的高频新能源图像样本， 根据高频新能源图像样本获取每个高频新能源 数据样本对应的 低频新能源图像样本； 基于所述每个高频新能源数据样本对应的低频新能源图像样本， 通 过待训练数据重建模型获取每个高频新能源数据样本对应的重 建新能源图像样本； 基于所 述每个高频新能源数据样本对应的高频新能源图像样本， 以及所述每个高频新能源数据样 本对应的重建新能源图像样本， 获取每 个高频新能源数据样本对应的感知损失； 训练模块， 用于基于所述每个高频新能源数据样本对应的感知损 失， 对所述待训练数 据重建模型 的模型参数进行更新， 通过更新后的模型参数得到目标数据重建模型， 所述 目 标数据重建模型用于将低频新能源图像重建为高频新能源图像。权　利　要　求　书 2/3 页 3 CN 114419339 A 3