【技术实现步骤摘要】
本专利技术属于风电场监测数据修复，具体涉及一种基于信号频域特征重构的风电场监测数据自动修复方法的设计。
技术介绍
1、风力发电具有间歇性、波动性和随机性，为确保风电并网安全稳定运行，监测并记录风电机组和风电场各参数运行数据至关重要，其数据质量直接影响了电网运行、规划调度以及电力市场评估等应用。但受测量误差、传输、控制、非计划检修和弃风限电等原因影响，风电场监测数据中通常包含大量异常数据，直接剔除后会使得时间序列的完整性以及数据的充裕性遭到一定程度的破坏。为重构修复完整的风电数据，现有方法多是结合自编码器和生成对抗网络，在生成器和判别器的网络结构中进行优化改进，应用空间域损失函数，通过挖掘数据的时域特性实现填补。但由于神经网络在训练过程会优先学习低频分量，往往会忽略数据的高频细节信息，而细节信息的缺失又会导致数据质量下降，进而使得填补结果不够真实，导致填补效果较差。此外，由于生成器的输入低维向量由正态分布随机采样而来，故生成的新时序数据与原始数据之间仍有可能具有很大的差异，即用随机数据去生成，生成器生成的假数据随机性和波动性很大，从而导致
本文档来自技高网...【技术保护点】
1.基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，所述步骤S2具体包括以下分步骤：
3.根据权利要求2所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，步骤S22中所述生成器采用一维卷积神经网络构建；所述一维卷积神经网络包括依次连接的反卷积层、批归一化层、ReLU激活函数层、四层自定义层和卷积层；
4.根据权利要求2所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，步骤S2...
【技术特征摘要】
1.基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，所述步骤s2具体包括以下分步骤：
3.根据权利要求2所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，步骤s22中所述生成器采用一维卷积神经网络构建；所述一维卷积神经网络包括依次连接的反卷积层、批归一化层、relu激活函数层、四层自定义层和卷积层；
4.根据权利要求2所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，步骤s23中所述判别器包括：四层依次连接的全连接层；所述四层全连接层的前三层采用leakyrelu函数为激活函数，最后一层全连接层采用sigmoid函数为激活函数。
5.根据权利要求4所述的基于信号频域特征重构的风电场监测数据自动修复方法，其特征在于，所述方法还包括：
6.根...
【专利技术属性】
技术研发人员：管迎春，何君，牟令，陈平，吴凡，王东，滕易，李慕杰，滕建涛，叶文琼，高述科，肖楠，
申请(专利权)人：湖北能源集团齐岳山风电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。