摘要
本发明提供分布式光伏发电功率与用电负荷数据质量改善方法及系统,方法包括:采用归一化处理和Pearson相关系数理论进行相关性分析,获得光伏发电的不同特征量满足关联性阈值的影响因素,在数据集中保留与光伏发电功率强相关的特征数据类型;采用MDBSCAN算法对数据组成的散点图进行聚类,去除异常值,获得含有缺失数据的数据集,将该数据集进行线性插值处理,获得线性插值数据集,将线性插值数据集中的特征数据与光伏发电数据作为神经网络的训练样本,对WGAN‑GP神经网络进行训练,获得适用WGAN‑GP神经网络模型;将含有缺失数据的数据集输入适用WGAN‑GP神经网络模型,填充得到填充完全的数据集。本发明解决了光伏发电功率与用电负荷的数据质量较低的技术问题。
技术关键词
光伏发电功率
分布式光伏发电
神经网络模型
光伏发电数据
负荷
插值模块
模型训练模块
聚类
低密度
归一化模块
DBSCAN算法
逻辑
分析模块
邻域
混合损失函数
核心
参数
系统为您推荐了相关专利信息
融合神经网络
水网
多层感知机
数据
神经网络模型
鲸鱼优化算法
水轮机调节系统
水电机组
鲁棒控制器
水轮机模型