买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种基于链式方程的分布式光伏数据多重插补方法，步骤：将带有缺失数据的分布式光伏数据代入插补过程，采用基于链式方程的插补方法得到多个不同的分布式光伏插补数据集，插补方法中的回归模型采用贝叶斯回归模型；对每一个分布式光伏插补数据集的统计结果进行分析，如果分析结果满足设定的要求则进行下一步；若不能满足设定的要求，则需调整回归模型或插补次数，直至分析结果满足设定的要求；最后综合所有分布式光伏插补数据集得到最终的插补结果，并将此结果作为最终的分布式光伏数据值。本发明使用链式方程的插补方法作为多重插补结构中的插补步骤，从而改善传统多重插补算法的误差。

主权项：1.一种基于链式方程的分布式光伏数据多重插补方法，其特征在于，包括以下步骤：1将带有缺失数据的分布式光伏数据代入插补过程，采用基于链式方程的插补方法得到多个不同的分布式光伏插补数据集，插补方法中的回归模型采用贝叶斯回归模型；2对每一个分布式光伏插补数据集的统计结果进行分析，如果分析结果满足设定的要求则进行下一步；若不能满足设定的要求，则需调整回归模型或插补次数并返回步骤1，直至分析结果满足设定的要求；3综合所有分布式光伏插补数据集得到最终的插补结果，并将此结果作为最终的分布式光伏数据值；步骤1的具体过程如下：1-1设分布式光伏传感器采集到的数据是带有缺失数据的数据集矩阵X；1-2对每一个缺失值填充初始的插补值；1-3对矩阵X的特征按照缺失率进行排序；1-4开始迭代，先取缺失率最小的特征S，将矩阵X分成4部分：特征S中有缺失部分定义为ysmis，特征S中无缺失部分定义为ysobs，矩阵X除S以外的特征部分定义为Xsmis，除特征S以外的所有变量中对应S特征无缺失索引的部分定义为Xsobs；1-5通过贝叶斯回归模型来拟合ysobs与Xsobs，然后预测Xsmis对应的ysmis；1-6将预测值ysmis更新至矩阵X中，接着取第二小缺失率的特征S，循环所有有缺失值的特征S，并将贝叶斯回归模型的预测值填充至矩阵X中；上述步骤2的具体过程如下：将更新后的矩阵X与初始的矩阵X做比较，判断收敛函数的收敛值是否满足设定的阈值，如果不满足则返回步骤1-4开始下一次迭代，直至收敛值满足设定的阈值或者迭代次数达到设定的最大迭代次数γ；所述步骤1-2中，采用原数据集的均值或者中位数作为初始的插补值；所述步骤2中，采用基于复杂抽样条件下的ologit回归分析方法对每一个分布式光伏插补数据集进行分析；所述步骤3中，对所有分布式光伏插补数据集取平均值得到最终的插补结果。

全文数据：

权利要求：

百度查询： 东南大学 一种基于链式方程的分布式光伏数据多重插补方法