R语言逐时功率预测数据集缺失值的线性插值补全实操咨询

前置准备 #

• 核心使用imputeTS工具包，专门面向时间序列数据的缺失值处理，适配2万级数据量的运行效率
• 安装命令：install.packages("imputeTS")
• 加载包：library(imputeTS)
• 首先要将分散的日期、小时字段合并为连续的逐时时间戳，避免插值错位：
  df$timestamp <- as.POSIXct(paste(df$fecha, df$hora_prog - 1), format = "%Y-%m-%d %H")
  这里减1的原因是hora_prog取值为1-24，对应系统可识别的小时为0-23（比如hora_prog=1代表当日0时），合并后可生成严格连续的逐时索引。
• 注意：完成时间戳合并后，必须按时间升序排序数据集，否则插值逻辑会完全错乱：
  df <- df[order(df$timestamp), ]

线性插值实现步骤 #

针对prev_solfot_h3（光伏出力预测）、prev_eol_h3（风电出力预测）两个字段的所有缺失值，直接调用内置线性插值函数即可自动识别连续缺失段、计算两端有效数值的线性拆分结果：

• 光伏字段补全：df$prev_solfot_h3_filled <- na_interpolation(df$prev_solfot_h3, option = "linear")
• 风电字段补全：df$prev_eol_h3_filled <- na_interpolation(df$prev_eol_h3, option = "linear")

以你提供的10-15点区间数据为例：原有10点光伏值为759、15点为45，中间11-14点共4个连续NA的线性插值结果依次为575.25、391.5、207.75、23.99，符合出力随时间连续变化的逻辑。

适配本场景的其他可选补全方法 #

由于你的数据是逐时的光伏、风电出力序列，存在固定的日度波动规律，除了纯线性插值，以下方法的补全准确度更高：

• 季节性自适应插值：自动识别数据的日度周期（光伏白天出力、夜间为0的规律），避免线性插值在夜间时段补出非零光伏值的不合理结果，代码：
  df$prev_solfot_h3_filled <- na_seadec(df$prev_solfot_h3, find_frequency = TRUE)
• 移动平均加权填充：针对短段缺失（1-2小时的孤立NA），用前后相邻4个点的指数加权平均填充，比纯线性值更贴合风电、光伏的短期波动特征，代码：
  df$prev_eol_h3_filled <- na_ma(df$prev_eol_h3, k = 4, weighting = "exponential")
• 物理规则校验补全：光伏夜间（20点-次日6点）的出力本应为0，对该时段的缺失值不需要插值，直接赋值0即可，代码：
  df$prev_solfot_h3_filled[as.numeric(format(df$timestamp, "%H")) %in% c(20,21,22,23,0,1,2,3,4,5)] <- 0

新手实操避坑提醒 #

• 若连续缺失段长度超过6小时，纯线性插值的误差会显著升高，这类缺失段建议用上周同一时段的历史有效值替代，不要硬用插值结果
• 补全完成后要做合理性校验：光伏出力不可能为负值，风电出力不会超过数据集的历史最大值，可用简单代码过滤异常值：
  df$prev_solfot_h3_filled[df$prev_solfot_h3_filled < 0] <- 0
df$prev_eol_h3_filled[df$prev_eol_h3_filled > max(df$prev_eol_h3, na.rm = TRUE)] <- max(df$prev_eol_h3, na.rm = TRUE)

内容的提问来源于stack exchange，提问作者Alex