基于深度学习的低分辨率负荷数据超分辨率重建方法及系统

本发明公开了一种基于深度学习的低分辨率负荷数据超分辨率重建方法及系统，属于电力系统配电网运行监测技术领域；本发明构建了端到端的约束生成对抗网络模型，在生成器中嵌入可微分凸优化CVXPY层，将负荷幅值边界约束、相邻采样点变化率约束作为硬约束嵌入模型训练过程。本发明仅利用智能电表采集的15分钟间隔低分辨率聚合负荷数据，即可训练生成符合电力系统运行特性、具备严格时间相关性的1分钟间隔高分辨率负荷注入时序数据，无需在负荷节点部署大量高速传感器。生成数据可直接用于配电网高速状态估计、实时电压控制等核心场景，大幅提升了AMI数据的工程应用价值，具备极强的泛化能力与实用性。