科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位中国电力科学研究院有限公司
