基于GAKNN方法的配电站时间序列缺失数据补全方法
配电站时间序列数据从采集、传输到存储的过程中可能出现数据记录缺失的情况,在一定程度上影响高层级的数据分析及处理.针对这一问题,提出一种基于灰色自适应K-最近邻(GAKNN)方法的缺失数据补全方法.首先构建时间序列特征,然后在朴素K-最近邻(KNN)方法的基础上设置阈值筛选最近邻点,并结合灰色关联系数计算近邻点权重系数,最终依次补全缺失数据.以江苏省某市的电力数据样本进行实验,结果表明与其他方法进行对比,基于GAKNN方法的缺失数据补全方法的结果更好,并且补全后的样本在深度学习预测中具有更低的误差.
配电站数据;时间序列;数据补全;灰色自适应K-最近邻
41
TM93
国家电网"配电站智能云机器人研究;其应用验证"项目
2022-01-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
187-192