基于增长模型的电力设备缺失数据筛查算法研究

作者：罗清雷; 高宝琪; 魏伟; 马捍超

来源：科技通报, 2019, 35(08): 182-215.

DOI：10.13774/j.cnki.kjtb.2019.08.033

• 增长模型
• 电力设备
• 缺失数据
• 筛查
• 算法

采用传统方法对电力设备缺失数据进行筛查时,由于计算强度较大,存在运行时间长、筛查效果差的问题,提出基于增长模型的电力设备缺失数据筛查算法。在考虑数据缺失机制的条件下运用主成分分析方法对电力设备各项数据进行挖掘,根据挖掘结果构建增长模型,运用该模型对电力设备数据的法向矢量进行估算以及调整;在此基础上通过贝叶斯理论实现对电力设备缺失数据的有效提取,最终完成对电力设备缺失数据的准确筛查。分析实验结果可知,与传统方法相比,所提算法能够有效减少数据筛查用时,并且筛查精准度较高,说明该算法具有有效性,可以为相关研究提供一定的理论与实践基础。