基于改进型CEEMDAN方法和生成式对抗插值网络的风电数据缺失插值模型

风电输出的随机性和波动性可能会引起重要参数(如电网频率和电压)的变化,进而影响电力系统的稳定运行.然而,由于外部因素(如天气)的影响,风力发电数据经常会出现各种异常情况,如数值缺失、数据不合理等.这严重影响了风力发电预测和运行决策的准确性.因此,开发和应用可靠的风电插值方法对于促进风电行业的可持续发展具有重要意义.本研究首先从实用角度分析了风力发电数据异常的原因.其次,提出了一种带有自适应噪声的改进型完整集合经验模式分解(ICEEMDAN)方法,并利用生成式对抗插值网络(GAIN)对风力发电量进行预处理,对缺失的风力发电量子成分进行插值.最后,重建了完整的风力发电时间序列.与传统方法相比,所提出的 ICEEMDAN-GAIN 组合插值模型具有更高的插值精度,并能有效减少风力发电序列波动造成的误差影响.