基于GRU神经网络的光伏电站数据预处理方法

摘要

光伏电站数据为时间序列数据，会受到通信传输、逆变器采集等因素的影响而包含大量异常数据，故该文研究一种基于深度学习的光伏电站数据预处理算法，进行数据清洗等预处理。一方面，根据组串逆变器的工作特性，对光伏电站数据的常见异常类型进行分析标记，结合滑动窗口法划分数据，构建用于深度学习训练的光伏电站数据集。另一方面，从激活函数、损失函数以及隐藏层等方面优化GRU神经网络模型，并利用自建数据集对该模型进行训练和测试。测试结果表明：该模型在实际光伏电站数据上的处理准确率达99.84%。