基于高维时空张量CP分解的风速监测缺失数据恢复

“大数据”时代的到来为风机健康监测带来了新机遇,风机往往运行在极端恶劣环境下,监测数据中夹杂了大量缺失值,数据质量无法保障,进而会制定有误的运维指导策略。为保证风速监测数据质量,提出了基于高维时空张量CP分解的风速监测数据缺失值恢复方法。构建包含时空信息的四阶张量,利用CP分解将张量分解为多个因子矩阵,通过加权张量将恢复缺失数据转化为求解目标函数最小值,根据因子矩阵重构张量,从而获得缺失处原始信息值。利用提出方法与GPR、GRU、LSTM、SWLSTM等传统方法对某风电场的缺失数据进行恢复,结果表明,相比传统方法,提出方法的R^(2)最接近1,MAE等误差指标均为最小,具有最高拟合度,从而验证了该方法的有效性。