考虑时序特征缺失值动态插补的超短期风电功率预测

针对风电功率预测中时序数据缺失问题，提出一种融合动态插补机制的超短期预测方法。通过设计嵌入时滞衰减插补策略的门控循环单元，动态捕捉缺失值前后观测间的不规则时滞依赖，并结合掩码自相关分析确定最优时窗与衰减参数。构建序列到序列模型以协调输入特征维度变化，输出15分钟至4小时的功率预测序列。实验表明，该方法在含缺失数据场景下较传统方法具有更高精度与稳定性。

风电功率预测使用的数据集可能存在不同程度的数据缺失现象,由于缺失值处理往往独立于预测模型训练之外,无法充分利用真实数据的时序相关特点提高预测效果,对此提出考虑时序特征缺失值动态插补的超短期风电功率预测方法.针对时序数据存在缺失值的问题,设计嵌入时滞衰减插补策略的门控循环单元动态捕捉输入特征时间序列中缺失值前后观测值间的不规则时滞关系,并通过带掩码的自相关分析,确定输入特征的最佳时窗长度和时滞衰减率函数的初始参数;基于门控循环单元提取的时序信息,进一步构建序列到序列的预测结构,协调历史和预测时刻输入特征维度不一致的问题,输出未来 15 min～4 h的风电功率预测序列.实验结果表明,所提方法在风电数据含缺失值的情景下,与传统的缺失值处理和预测方法相比,具有更高的预测精度和更稳定的预测性能.