基于相关性分析和生成对抗网络的电网缺失数据填补方法

基于相关性分析和生成对抗网络的电网缺失数据填补方法
城市电网新型电力系统中多元资源增多，数据采集难度加大，导致数据随机缺失率升高，难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题，文中提出一种基于波动互相关分析(fluctuation cross-correlation analysis,FCCA)算法和生成对抗网络(generative adversarial network,GAN)的电网缺失数据填补方法。首先，融合FCCA算法提出强相关性电网数据多维特征提取方法；其次，基于核主成分分析(kernel principal component analysis，KPCA)对多维特征数据集进行降维处理；最后,设计改进型GAN结构，融合电网数据多维特征对低维向量进行重构，实现缺失数据填补。算例采用真实电网数据进行算法验证，并在某城市电网试运行。结果表明,所提方法比传统数据填补方法具有更高填补精度。因此，在新型电力系统中量测数据连续缺失和缺失量较大的情况下，融合强相关性特征进行数据填补，对提升量测数据的完整性和可用性有明显优势。

标题：
基于相关性分析和生成对抗网络的电网缺失数据填补方法
A power system missing data filling method based on correlation analysis and generative adversarial network

作者：
蔡榕，杨雪，田江，赵奇，王毅
CAI Rong, YANG Xue, TIAN Jiang, ZHAO Qi, WANG Yi

关键词：
新型电力系统;波动互相关分析(FCCA);多维特征;生成对抗网络(GAN);缺失数据;核主成分分析(KPCA);智能填补
novel power systems;fluctuating cross-correlation analysis (FCCA);multi-dimensional features;generative adversarial networks (GAN);missing data;kernel principal component analysis (KPCA);intelligent filling

2025-1-23 20:02 上传 基于相关性分析和生成对抗网络的电网缺失数据填补方法.pdf

文件大小:

1.5 MB

下载次数:

60

高速下载