基于双向循环插补的大地电磁脉冲类噪声处理

【目的】大地电磁测深是一种通过观测天然电磁场获取地下电性结构的勘探方法,较易受到噪声干扰。脉冲类噪声是大地电磁工作中的常见噪声,其幅值高、频带宽,会对数据质量产生较大影响。【方法】为了压制脉冲类噪声,以插补思想为基础,提出了基于时间序列双向循环插补模型(Bidirectional recurrent imputation for time series,BRITS)的大地电磁脉冲类噪声处理方法。首先,将噪声干扰段删除,此时大地电磁时间序列可视为待插补的缺失序列,而后利用该缺失序列构建训练集,对BRITS模型进行插补训练,训练完成后对缺失序列进行插补,即可得到去噪结果。通过仿真及实测含噪声数据处理,并与经验模态分解(Empirical mode decomposition,EMD)阈值方法进行了对比。【结果和结论】结果表明:BRITS方法对仿真噪声数据处理后与原始数据的归一化互相关系数可达0.999以上,信噪比可达29 dB以上,EMD阈值方法处理前后相关系数为0.778,信噪比为3.09 dB;在实测数据处理中,BRITS方法有效恢复了噪声干扰数据,相比EMD阈值方法,其阻抗奈奎斯特图更接近天然大地电磁信号特征。通过不同训练样本试验得出:对4分量大地电磁数据而言,数据中至少需包含两道正常分量,单个含噪分量中噪声占比不大于20%,且噪声连续干扰长度不超过10个采样点,此时,BRITS方法去噪后数据的相关系数在0.96以上,可以保证一定的去噪精度。

基于双向循环插补网络的分布式光伏集群时序数据耦合增强方法

分布式光伏点多面广、局部渗透率高、安装环境复杂多变,真实可靠的量测数据是其性能分析、出力预测、运维调控的基础。然而,传感器故障和通信堵塞等因素会造成量测值缺失,恶化原始数据质量,进而影响配电网运行决策的准确性。传统数据修复方法只考虑单一量测值的分布特征,忽略了多维时序数据的潜在耦合关系,修复精度有限。为此,该文提出一种基于双向多阶段循环插补网络和Seq2SeqAttention的时序数据耦合增强方法,改进了循环插补网络的结构,并引入衰减机制,能利用少量未缺失数据,潜在地挖掘原始数据的整体分布规律,一次性对多个光伏场站完成高质量数据修复。实验结果表明,所提方法在高比例缺失情况下仍有良好的修复性能,可明显增强分布式光伏集群的基础数据质量,提升电网运营商对光伏集群的细粒度感知能力。