学位专题

封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 非模型的修复方法
1.2.2 基于统计学习的修复方法
1.2.3 基于深度学习的修复方法
1.3 现有风电缺失数据修复方法存在的问题
1.4 主要研究内容和结构安排
2 数据缺失类型及风场数据集介绍
2.1 引言
2.2 数据缺失类型
2.2.1 数据缺失模式分类
2.2.2 数据缺失机制分类
2.3 风场数据集介绍
2.3.1 数据集特点
2.3.2 缺失值分布
2.4 本章小结
3 基于时空相关性和互相关的修复方法
3.1 引言
3.2 基于时空相关性的修复方法介绍
3.3 时空相关性的鲁棒性优化
3.3.1 删掉缺失值过多风机
3.3.2 惩罚项
3.3.3 MAE筛选
3.4 互相关效率优化
3.4.1 互相关计算优化
3.4.2 编程语言方面的优化
3.5 实验结果分析
3.5.1 实验设计
3.5.2 实验结果
3.6 本章小结
4 基于特征相关性和PCHIP的在线修复方法
4.1 引言
4.2 基于特征相关性的修复方法介绍
4.2.1 拟合曲线
4.2.2 预测缺失值
4.3 基于PCHIP的缺失值修复
4.4 基于XGBoost的特征选择
4.4.1 XGBoost原理
4.4.2 基于XGBoost的特征选择
4.5 实验结果分析
4.5.1 实验细节
4.5.2 实验结果
4.6 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录攻读硕士学位期间取得的研究成果