| 基于极限学习机与格兰杰检验的风电功率缺失数据补齐 |
| |
| 引用本文： | 杨茂,王金鑫,都键. 基于极限学习机与格兰杰检验的风电功率缺失数据补齐[J]. 东北电力学院学报, 2019, 39(5): 9-16 |
| |
| 作者姓名： | 杨茂 王金鑫 都键 |
| |
| 作者单位： | 东北电力大学现代电力系统仿真控制与绿色电能新技术吉林省重点实验室,吉林 吉林,132012;国网赤峰供电公司经济技术研究所,内蒙古 赤峰,024000 |
| |
| 基金项目： | 国家自然科学基金;吉林省产业技术与专项开发项目 |
| |
| 摘 要： | 风电场输出功率的完整性对于研究人员后续的数据分析工作具有重要的意义.文中分别从时间和空间入手,提出一种基于极限学习机与格兰杰检验的风电功率缺失数据补齐方法.首先,提出一种输出权重优化的极限学习机,对缺失点后的数据建立目标约束,综合考虑缺失数据段前、后的数据,进行时间上的补齐;然后,将格兰杰因果检验运用在数据补齐模型中,找到空间上与功率缺失风机对应的因果风机,进行空间上数据的补齐;最后,运用多重插补法,将两组数据补齐结果进行组合.就单机与多机的数据缺失情况进行补齐,通过与自适应神经模糊推理模型进行效果比较,补齐效果有明显的提高.
|
| 关 键 词： | 数据补齐 时空分布 极限学习机 格兰杰因果检验 多重插补 |
The Complement of The Missing Data Based on The Extreme Learning Machine and GrangerTest in Wind Power |
| |
| Yang Mao,Wang Jinxin,Du Jian. The Complement of The Missing Data Based on The Extreme Learning Machine and GrangerTest in Wind Power[J]. Journal of Northeast China Institute of Electric Power Engineering, 2019, 39(5): 9-16 |
| |
| Authors: | Yang Mao Wang Jinxin Du Jian |
| |
| Affiliation: | (Jilin Provincial Key Laboratory of Modern Power System Simulation and Control,Northeast Electric Power University,Jilin Jilin 132012;Institute for Economics and Technology of Chifeng Power Supply Company,Chifeng Inner mongolia 024000) |
| |
| Abstract: | Yang Mao;Wang Jinxin;Du Jian(Jilin Provincial Key Laboratory of Modern Power System Simulation and Control,Northeast Electric Power University,Jilin Jilin 132012;Institute for Economics and Technology of Chifeng Power Supply Company,Chifeng Inner mongolia 024000) |
| |
| Keywords: | Complement missing data Spatial and temporal distribution Extreme learning machine Granger causality test Multiple imputation |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
