基于MAGAT的风电场功率缺失数据填充方法OA北大核心CSTPCD

风电场功率数据质量对风电预测具有重要意义。然而,由于人为操作、传感器故障、网络故障或通信拥堵等原因,风电场功率数据容易出现大面积缺失问题。因此,结合多头注意力机制(multi-head attention,MA)和图注意力网络(graph attention network,GAT)构建了MAGAT模型,其中GAT层以异质图的方式刻画及提取风电场已知数据与缺失数据的关联关系,MA层挖掘风电场数据特征与缺失功率数据之间的映射关系,从而实现风电场功率缺失数据的高精度填充。在以我国江苏某风电场运行监测数据为对象的算例分析中,与其他先进填充算法相比,所提方法在不同缺失类型、不同缺失率等多个场景下均具有更好表现,表明所提方法在风电场缺失数据填充任务上的有效性及稳定性。