典型文献
基于聚类和LSTM的电力分钟冻结数据缺失值填充方法
文献摘要：
在用电信息采集系统中,由于采集和配电设备的海量接入,终端获取的分钟冻结数据普遍存在缺失.针对该问题,提出一种基于聚类的时间序列预测方法填充缺失值.该方法利用终端获取的分钟冻结数据具有时序自相似和关联性特征,首先对终端聚类,使具有相似时序特征的终端在同一分组,针对长时间序列具有的高维特征造成聚类困难的问题,使用自编码器降维,提高聚类性能;然后,对各分组建立基于长短期记忆(LSTM)单元的神经网络模型预测缺失值.实验结果表明该方法能有效利用终端时间序列的特性,验证了基于自编码器的聚类可提升预测性能.
文献关键词：
用电信息采集系统;分钟冻结数据;缺失值填充;聚类;LSTM
中图分类号：
作者姓名：
卢继哲;刘宣;唐悦;阿辽沙·叶;侯帅;叶方彬
作者机构：
中国电力科学研究院有限公司,北京100192;国网浙江省电力有限公司营销服务中心,浙江杭州310000
文献出处：
引用格式：
[1]卢继哲;刘宣;唐悦;阿辽沙·叶;侯帅;叶方彬-.基于聚类和LSTM的电力分钟冻结数据缺失值填充方法)[J].控制工程,2022(04):611-616
A类：
分钟冻结数据
B类：
数据缺失,缺失值填充,填充方法,用电信息采集系统,配电设备,海量接入,时间序列预测,法利,自相似,时序特征,长时间序列,高维特征,自编码器,长短期记忆,预测性能
AB值：
0.19214
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
