应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN...应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN)的缺失值插补算法DDC-GAIN(Dual Discriminator based on C-GAIN)。该算法通过一个辅助判别器辅助主判别器判断预测值的真假,即根据一个样本的全局信息判断这个样本生成的真假,更注重特征之间的关系,以此估算预测值。在4个数据集上与5种经典插补算法进行对比实验,结果表明:同样条件下,DDC-GAIN算法在样本量较大时的均方根误差(RMSE)最低;在Default credit card数据集上缺失率为15%时,DDC-GAIN算法的RMSE比次优算法C-GAIN降低了28.99%。这说明利用辅助判别器帮助主判别器学习特征之间的关系是有效的。展开更多
为探索虚拟电厂(virtual power plant,VPP)兼顾经济性与低碳性的竞价策略,从VPP作为价格制定者的角度提出一种计及碳交易与风险的VPP参与电能量市场和备用市场的主从博弈竞价模型。以含风电、光伏的VPP为研究对象,首先,采用基准线法为VP...为探索虚拟电厂(virtual power plant,VPP)兼顾经济性与低碳性的竞价策略,从VPP作为价格制定者的角度提出一种计及碳交易与风险的VPP参与电能量市场和备用市场的主从博弈竞价模型。以含风电、光伏的VPP为研究对象,首先,采用基准线法为VPP无偿分配碳排放配额,建立VPP的碳交易模型;之后建立了基于主从博弈理论的双层竞价模型,上层领导者为参与碳、电、备用市场的VPP运营商,下层跟随者为电力市场运营商;同时,运用条件风险值(conditional value at risk,CVaR)将上层问题转化为计及风险的多目标优化问题;最后采用遗传算法和求解器联合求解。算例表明该模型可以在多市场的环境下提供经济、低碳的竞价策略及不同市场的出力计划,并分析了不同市场类型、碳交易的加入、不同风险厌恶系数对VPP竞价结果的影响,为提高VPP运营商收益提供了新思路。展开更多
文摘应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN)的缺失值插补算法DDC-GAIN(Dual Discriminator based on C-GAIN)。该算法通过一个辅助判别器辅助主判别器判断预测值的真假,即根据一个样本的全局信息判断这个样本生成的真假,更注重特征之间的关系,以此估算预测值。在4个数据集上与5种经典插补算法进行对比实验,结果表明:同样条件下,DDC-GAIN算法在样本量较大时的均方根误差(RMSE)最低;在Default credit card数据集上缺失率为15%时,DDC-GAIN算法的RMSE比次优算法C-GAIN降低了28.99%。这说明利用辅助判别器帮助主判别器学习特征之间的关系是有效的。
文摘为探索虚拟电厂(virtual power plant,VPP)兼顾经济性与低碳性的竞价策略,从VPP作为价格制定者的角度提出一种计及碳交易与风险的VPP参与电能量市场和备用市场的主从博弈竞价模型。以含风电、光伏的VPP为研究对象,首先,采用基准线法为VPP无偿分配碳排放配额,建立VPP的碳交易模型;之后建立了基于主从博弈理论的双层竞价模型,上层领导者为参与碳、电、备用市场的VPP运营商,下层跟随者为电力市场运营商;同时,运用条件风险值(conditional value at risk,CVaR)将上层问题转化为计及风险的多目标优化问题;最后采用遗传算法和求解器联合求解。算例表明该模型可以在多市场的环境下提供经济、低碳的竞价策略及不同市场的出力计划,并分析了不同市场类型、碳交易的加入、不同风险厌恶系数对VPP竞价结果的影响,为提高VPP运营商收益提供了新思路。
