A Prediction-Oriented Method for Anomaly Detection and Repair of Photovoltaic Power Integrating Multi-Meteorological Features
Year: 2025
Type: article
Abstract: 光伏功率预测精度对电网稳定至关重要，但异常样本会干扰预测模型训练，降低预测精度。为此，本文提出一种融合多气象特征的异常检测与修复方法，首先基于相关性分析和随机森林筛选关键气象因素，构建表征正常功率模式的参考超图像；随后采用改进RX算法检测并剔除历史异常数据，通过迭代优化超图像，并基于松阈值检测测试样本异常；最后利用超图像修复异常及缺失数据。真实数据上的仿真实验表明，本文方法检测准确率优于传统方法，且基于修复数据训练的LSTM预测模型，其MAE较传统修复方法降低了12.3%，验证了本文方法的工程实用性。
Authors: Yun LI, Xingyue CHENG
Institution: North China Electric Power University
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W7103188173