买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学;国网经济技术研究院有限公司

摘要：本发明公开了一种基于多重相关性学习的风电场SCADA数据修复方法，包括：S1.得到风电场标准化数据集；S2.得到在全局互相关视角下的填补结果；S3.得到在全局自相关视角下的填补结果；S4.得到局部互相关视角下的填补结果；S5.得到局部自相关视角下的填补结果；S6.利用多元线性回归将、、和四个填补结果进行整合、去噪和反归一化，得到最终修复结果。本发明从全局和局部同时分析SCADA多维数据内部的自相关性和互相关性，从多个视角对缺失数据进行初步填补修复；进一步，构建残差网络精细去噪模型，对初步修复后的数据综合进行去噪和精细修复，由此实现SCADA多维数据的完整修复。

主权项：1.一种基于多重相关性学习的风电场SCADA数据修复方法，其特征在于，包括以下步骤：S1.从风电场SCADA系统中获取实际风电运行数据集V，对数据集每个变量进行归一化：利用单个变量的最大值和最小值得到归一化后的数据集；S2.对中的缺失数据点进行基于候选横向近邻的测量值的插值计算，得到在全局互相关视角下的填补结果；S2的具体内容包括：计算中各个变量之间的欧氏距离： ；其中，为给定观测时间窗内的时间断面总数，和分别为变量和在第个时间断面的测量值；以为权重，为控制权值衰减的系数，对缺失数据点进行基于候选横向近邻的测量值的插值，则在全局互相关视角下的填补结果为： ；其中，为横向近邻中的变量个数，其中横向近邻即为不同变量在同一时间断面的测量数据点；S3.对中的缺失数据点进行基于候选纵向近邻测量值的插值计算，得到在全局自相关视角下的填补结果；S3的具体内容包括：计算中的缺失数据点候选纵向近邻中候选数据点与目标缺失点所在时间断面间的差值；以为权值，为控制权重随时间差异衰减的衰减系数，利用缺失数据所在变量在发生缺失时刻前后的数据测量值对缺失点进行插值计算，则在全局自相关视角下的填补结果为： ；其中，为纵向近邻中时间断面的个数，其中纵向近邻即为同一变量在不同时间断面的测量数据点；S4.根据中的每个缺失数据点，划分以缺失数据点为中心的局部数据矩阵，利用局部数据矩阵中的各局部纵向近邻内的测量值，计算其中各个变量之间的相似度，以为权重，利用局部数据矩阵中缺失数据点所在纵向相邻时间断面的测量值对目标缺失点进行插值，得到局部自相关视角下的填补结果；S5.利用S4中划分的局部数据矩阵中各局部横向近邻的测量值计算不同时间断面之间的相似度；以为权重，利用局部数据矩阵中缺失数据点所在纵向相邻时间断面的测量值对目标缺失点进行插值，得到局部自相关视角下的填补结果；S6.利用多元线性回归将、、和四个填补结果进行整合，得到初步填补修复后的含噪数据集，其中分别为给每个视角分配的权重，为残差，并在优化训练后得到的最优值，得到含噪数据集的最优结果并对其进行去噪和反归一化，得到最终修复结果。

全文数据：

权利要求：

百度查询： 湖南大学 国网经济技术研究院有限公司 一种基于多重相关性学习的风电场SCADA数据修复方法