[发明专利]一种基于变窗口模式识别的时间序列数据处理方法

权利要求书

1.一种基于变窗口模式识别的时间序列缺失值填补方法，其特征在于，所述方法包括如下步骤：

步骤(1)，基于运行机理的风电机组有功功率相关性变量选取；

步骤(2)，基于数据特征选择的风电机组有功功率相关性变量选取；

步骤(3)，针对风电机组有功功率的多维相关性变量的变窗口模式匹配；

步骤(3)中：设在时刻t_n，设风电机组有功功率为缺失数据变量为I,变量I缺失数据值为I(t_n)；以I(t_n)为锚点选取时间窗口，窗宽W(t_n)＝2p+1；以时刻t_n-p为起点、t_n+p为终点，从特征变量集R_f中选取相应时间起止点的时间序列，R_f＝{R₁,R₂,…,R_j}，j＝1,2,…,N_f，其中，R_f∈R，建立多维时间序列的目标模式片段R_f,obj(t_n-p,t_n+p)＝

{R_1,obj,R_2,obj,…,R_j,obj}，j＝1,2,…,N_f；

定义变量集X_rem＝{I_rem,R_f,rem}；其中，I_rem为变量I的剩余数据，R_f,rem为与I_rem相对应的R_f中的剩余数据；从R_f,rem中截取长度为2p+1的时间片段，得到截取的模式集合R_f,rem(2p+1)＝{R_1,rem,R_2,rem,…,R_j,rem}；

以欧式距离为评价指标，采用逐步逼近法，定义并计算R_j与R_j,rem间的欧式距离为d_j，j＝1,2,…,N_f；若d_jε_j，则认为R_f,rem(2p+1)是R_f,obj(t_n-p,t_n+p)的相似模式，其中，ε_j为大于0的正数；若ε_j的值越小，则认为R_f,rem(2p+1)与R_f,obj(t_n-p,t_n+p)的相似精度越高；根据R_f中的变量类型及数量级大小，ε_j的设定为固定值或对R_f中的变量分组固定；

设定X_rem的样本量为N_rem，从中进行k次模式筛选，得到k组相似模式集R_f,rem(2p+1)；

步骤(4)，基于相似模式的风电机组有功功率连续缺失数据块多重填补；

步骤(4)中：基于筛选出的k组相似模式集R_f,rem(2p+1)，从变量I中截取相应的k组时间片段I_rem(2p+1)，据此进行I(t_n)的多重填补；填补方法根据k组R_f,rem(2p+1)、I_rem(2p+1)的值进行多重均值填补、时间序列填补；

步骤(5)，多重填补结果评价及确认。

2.根据权利要求1所述的基于变窗口模式识别的时间序列缺失值填补方法，其特征在于，步骤(1)中，设风电机组有功功率为缺失数据变量为I；对于风力发电系统运行过程的输出数据，根据风力发电过程运行机理，选择与数据缺失变量相关的若干相关性变量R_i，形成相关性变量候选集合R＝{R₁,R₂,…,R_i}，i＝1,2,…,N。