多元时间序列数据已经广泛应用到多个领域,其中在对发电厂能量输出和电力消耗等电力系统数据的预测与分析方面,对于能源设施的合理布局与管控、提高能源利用率具有重要意义。然而,在现实操作中,由于传感器损坏、数据传输失败或存储损坏等各种原因,多元时序数据往往存在缺失值,呈现出不完整性。因此如何有效地填补缺失的电力数据成为亟待解决的问题。提出一种基于自注意力的时序数据缺失插补(temporal missing data imputation,TMI)方法,用于补全带有缺失值的电力消耗多元时序数据。Transformer模型在捕获变量间依赖关系等方面具有优秀的性能,基于此,引入记忆模块以存储全局的时间模式信息,辅助补全缺失值,使模型能够同时捕获数据的全局和局部相关性。此外,将优惠电价政策、用户特征等社会信息因素融入模型中,可以进一步提升缺失值补全的有效性。在实际采集的多元电力系统时序数据集上的实验表明,提出的模型能有效解决多元时序数据的缺失问题。
暂无评论