【摘要】：缺失數(shù)據(jù)填補(bǔ)是構(gòu)建調(diào)度控制系統(tǒng)全景數(shù)據(jù)的關(guān)鍵步驟之一,有助于保證全景數(shù)據(jù)的完整性和準(zhǔn)確性。文中根據(jù)電力調(diào)度控制系統(tǒng)的歷史數(shù)據(jù)特征,提出了一種面向全景調(diào)控統(tǒng)一數(shù)據(jù)模型的缺失數(shù)據(jù)填補(bǔ)算法。針對(duì)構(gòu)建全景數(shù)據(jù)過(guò)程中出現(xiàn)的不完整數(shù)據(jù),該算法采用改進(jìn)的混沌遺傳優(yōu)化方法估計(jì)不完整數(shù)據(jù)的均值和協(xié)方差對(duì)應(yīng)的最佳參數(shù),再利用改進(jìn)馬爾可夫蒙特卡洛方法根據(jù)已知數(shù)據(jù)估計(jì)缺失數(shù)據(jù)。結(jié)果表明,該算法能通過(guò)較少的迭代次數(shù)獲得不完整調(diào)控?cái)?shù)據(jù)的最佳參數(shù),可以提高缺失數(shù)據(jù)估計(jì)值的準(zhǔn)確性,進(jìn)而保證數(shù)據(jù)的完整性和準(zhǔn)確性。
[Abstract]:Missing data filling is one of the key steps to construct panoramic data of scheduling and control system, which helps to ensure the integrity and accuracy of panoramic data. According to the historical data characteristics of power dispatching control system, a missing data filling algorithm for panoramic control unified data model is proposed in this paper. In view of the incomplete data appearing in the process of constructing panoramic data, the improved chaotic genetic optimization method is used to estimate the best parameters corresponding to the mean and covariance of incomplete data. Then the improved Markov Monte Carlo method is used to estimate the missing data based on the known data. The results show that the algorithm can obtain the best parameters of incomplete control data by less iterations, and can improve the accuracy of the missing data estimation, thus ensuring the integrity and accuracy of the data.
【作者單位】： 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué));
【分類號(hào)】：TM73

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊基棟;;缺失數(shù)據(jù)的插補(bǔ)方法及其統(tǒng)計(jì)分析[J];華北水利水電學(xué)院學(xué)報(bào);2010年02期

2 梁怡;龐應(yīng)周;;缺失數(shù)據(jù)常見(jiàn)插補(bǔ)調(diào)整方法的比較[J];內(nèi)蒙古科技與經(jīng)濟(jì);2013年23期

3 蘇曦;郭鵬江;夏志明;;兩指數(shù)總體帶缺失數(shù)據(jù)的參數(shù)估計(jì)和檢驗(yàn)[J];三峽大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 荊文君;張曉琴;常王華;;一種基于成分?jǐn)?shù)據(jù)的修正EM算法[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

5 孫曉松;;利用logit模型判定數(shù)據(jù)缺失機(jī)制[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

6 羅雙華;玄海燕;李敦剛;;缺失數(shù)據(jù)下局部線性回歸估計(jì)的漸近性質(zhì)[J];蘭州理工大學(xué)學(xué)報(bào);2007年01期

7 李佳寧;;有缺失數(shù)據(jù)的雙向有序方列聯(lián)表統(tǒng)計(jì)推斷[J];大連交通大學(xué)學(xué)報(bào);2007年02期

8 徐亮;李艷;林金官;夏樂(lè)天;;基于SA-MCMC算法的非線性測(cè)量誤差模型數(shù)據(jù)刪除影響[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

9 李正農(nóng);鄭晶;秦付倩;吳紅華;;風(fēng)場(chǎng)實(shí)測(cè)數(shù)據(jù)缺失的插補(bǔ)方法研究[J];自然災(zāi)害學(xué)報(bào);2014年03期

10 李中恢;任海平;;含缺失數(shù)據(jù)時(shí)分組數(shù)據(jù)的AMSAA模型的Bayes分析[J];蘭州理工大學(xué)學(xué)報(bào);2008年05期

相關(guān)會(huì)議論文 前8條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 陳楠;劉紅云;;基于增長(zhǎng)模型的缺失數(shù)據(jù)處理方法之比較[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 肖進(jìn);賀昌政;;面向缺失數(shù)據(jù)的客戶價(jià)值區(qū)分集成模型研究[A];中國(guó)企業(yè)運(yùn)籌學(xué)[2010(1)][C];2010年

5 曾莉;張淑梅;辛濤;;IRT模型中缺失數(shù)據(jù)處理方法比較[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

6 孫玲;劉浩;袁長(zhǎng)亮;;北京市城市快速路微波檢測(cè)缺失數(shù)據(jù)分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

7 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

8 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國(guó)教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 馬友;基于QoS缺失數(shù)據(jù)預(yù)測(cè)的個(gè)性化Web服務(wù)推薦方法研究[D];北京郵電大學(xué);2015年

2 彭清艷;廣義函數(shù)型回歸模型及缺失數(shù)據(jù)模型[D];云南大學(xué);2016年

3 駱汝九;多指標(biāo)綜合評(píng)價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

4 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

5 賈博婷;缺失數(shù)據(jù)下一類整值時(shí)間序列的統(tǒng)計(jì)推斷[D];吉林大學(xué);2014年

6 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計(jì)方程的統(tǒng)計(jì)推斷與變量選擇問(wèn)題[D];云南大學(xué);2010年

7 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

8 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問(wèn)題[D];復(fù)旦大學(xué);2007年

9 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2009年

10 付志慧;多維項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

3 褚培肖;缺失數(shù)據(jù)下的有限混合計(jì)數(shù)數(shù)據(jù)模型的統(tǒng)計(jì)推斷研究[D];昆明理工大學(xué);2015年

4 申寧寧;縱向研究缺失數(shù)據(jù)多重填補(bǔ)及混合效應(yīng)模型分析[D];山西醫(yī)科大學(xué);2015年

5 李少瓊;縱向研究二分類缺失數(shù)據(jù)處理及加權(quán)估計(jì)方程的應(yīng)用[D];山西醫(yī)科大學(xué);2015年

6 高宇釗;比值缺失數(shù)據(jù)的多重估算與心臟康復(fù)二級(jí)預(yù)防干預(yù)效果評(píng)價(jià)及應(yīng)用[D];山西醫(yī)科大學(xué);2015年

7 李順靜;基于EM算法的缺失數(shù)據(jù)的統(tǒng)計(jì)分析及應(yīng)用[D];重慶工商大學(xué);2015年

8 汪靜波;Logistic回歸模型中缺失數(shù)據(jù)的處理[D];南京大學(xué);2015年

9 朱建斐;數(shù)據(jù)集缺失數(shù)據(jù)恢復(fù)算法研究[D];西安電子科技大學(xué);2015年

10 楊旭;多視角數(shù)據(jù)缺失補(bǔ)全問(wèn)題研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：2213174