一种电能量缺失值自动处理的方法技术

本发明专利技术属于电力系统电能量数据处理技术领域，尤其涉及一种电能量缺失值自动处理的方法，包括对电表计量过程中采集到的数据进行判别，识别定位缺失值在序列中的位置，根据遍历测量点电表的历史数据，当识别到空值时将下标保存在电能量的空缺集合                                               中，集合的大小为，然后对应用组合优化局部加权多项式拟合模型对电能量缺失值进行预测，本发明专利技术能提供了更准确的电能量缺失值处理，并根据不同数据分布进行自适应的预测，从而达到更好得管理和使用远程电能计量管理系统电量能数据的目的。

【技术实现步骤摘要】

本专利技术属于电力系统电能量数据处理
，尤其设及一种电能量缺失值自动 处理的方法。
技术介绍
电能量数据缺失问题可W被形式化看成数据缺失值自动插补问题。目前，常见的 缺失值处理方法有均值替代、回归、缺失指示变量模型等。其中，回归填补插值的方法和思 路得到了许多研究者的深入和扩展。 李序颖.基于空间自回归模型的缺失值插补方法.数理统计与管理，2005,24 (3) :45-50,研究来自于区域的截面数据中缺失值的插补问题，讨论了当数据中存在空间相 关时，空间自回归模型的建立W及利用其对缺失值进行插补的方法，但其研究仅考虑到空 间相关的因素，而未考虑到时间相关的因素。 潘立强，李建中，骆吉洲.传感器网络中一种基于时-空相关性的缺失值估计算法 .计算机学报，2010,33(1): 1-11。研究了在无线传感器网络中感知数据的缺失问题，提 出了一种线性插值方法对短时间内平稳变化的数据进行插补，但是现实中的数据大多数是 非线性且不平稳的。[000引由于一般的线性回归假设数据误差服从高斯分布，当数据不平稳或者偏态情况严 重时，预测误差变得不可控。稳健的非参数组合优化局部加权多项式拟合（lowess)回归模 型可W有效地解决数据不服从正态分布的情况，lowess回归模型在地理、基因等领域都得 到了许多研究者的应用。 黄喻丄0WESS方法在同位素地层学中的应用.成都理工大学，2007.通过研究比 较参数与非参数方法的不同特点和相应优缺点，并提出应用lowess方法建立了地层厚度和 同位素的拟合插值模型，并通过比较多个lowess曲线来选择最优参数，但其算法易陷入局 部最优的状况。 董芳英，张帽奋.基因忍片数据标准化局部加权回归法权函数探究.浙江大学 学报:理学版，2010,37(1) :22-29.通过从误差为重尾型的t分布出发，模拟不同自由度的基 因忍片数据，然后选择不同的权函数对运些数据进行lowess方法标准化，并利用残差平方 和、标准化后的Μ和A值的相关系数及MA图作为评判标准，最终得到相关指标量与权函数的 变化关系。但其研究局限于相关指标量和权函数的定性关系，没有得到定量刻画的代数关 系。 因此，lowess回归模型的准确性受控于给定的窗宽和多项式的阶数。对于电能量 数据缺失问题而言，由于测量点的环境的差异性，其数据分布可能完全不相同，应用同一组 参数得到的结果与真实值之间可能有非常大的差距。所W，研究一个自动根据数据分布进 行自动应插值的处理方法成为在线处理电能量数据需要解决的问题。
技术实现思路
本专利技术的目的为解决现有技术的上述问题，提供一种能准确预测电能量缺失值自 动处理的方法，为了实现上述目的，本专利技术采用的技术方案如下： -种电能量缺失值自动处理的方法，其特征在于:包括W下步骤： 步骤1:对电表计量过程中采集到的数据进行判别，识别定位缺失值在序列中的位 置； 步骤2:应用组合优化局部加权多项式拟合模型对电能量缺失值进行预测。 优选地，所述步骤1的识别过程为，遍历测量点电表的历史数据，当识别到空值时 将下标保存进集合T中，集合T的大小为h。 优选地，所述步骤2对电能量缺失值进行预测的过程进一步包括W下步骤： a)、初始化迭代最大步骤f，迭代窗宽步长1; b)、重复进行局部加权多项式拟合回归模型预测，对于每次回归，应用经验风险最 小化规则判别此次的预测值和加权误差是否加入结果集5={沁，61)}，然后根据窗宽步长1 按风险最小化规则更新窗宽d和拟合阶数P，并将中间计算值存入结果集S = {(ti，ei)}; c)、将结果集和权函数相乘，然后加和得到最终预测值;所述最终预测值满足：[001引fS二2tjXkj S，j = l，2,......h，z其中，kj是权函数，z等于结果集的数量； 所述结果集相乘的权函数满足： kj = (1/ej)/ Σ (1/ej )，其中，j = l，2,…，z，Z等于结果集的数量。 优选地，所述迭代最大步骤f设定为10,所述迭代终止条件为局部加权多项式拟合 回归中的最后η项加权误差的差值在-0.1~+0.1内波动。 优选地，所述窗宽步长满足： l = d/10,其中，d为初始化局部加权多项式拟合回归的窗宽。 优选地，所述经验风险最小化原则判别原则为，若ei小于S中所有的误差，则保存ti 和ei入集合S;若ei大于预测值对应的误差，则不保存，所述窗宽更新和拟合阶数更新条件 为，若ei<ei-i，贝ljd = d+l，否则，d = d-l，n = n+l。 优选地，通过所述组合优化局部加权多项式拟合模型进行多项式回归式预测，然 后利用给定阶数P，再次进行多项式回归预测，所述局部加权多项式回归式满足： X0是模型的截距项。 优选地，所述组合优化局部加权多项式拟合模型中设有加权误差平均和满足： E= Σ (Wi X (yi-m(xi) )2)， 其中，i = l，2,3…n，yi是电表实际计量，m(Xi)是模型预测值，Wi是拟合模型的权 重。 优选地，所述组合优化局部加权多项式拟合模型的权重满足：(vj)*= |x厂Xj l/xq-Xj I s = l，2,…，h; j = l，2,…，q;q = d*h。 综上所述，本专利技术由于采用了 W上技术方案，本专利技术具有W下显著效果： (1)、本专利技术能提供更准确的电能量缺失值处理，并根据不同数据分布进行自适应 的预测，从而达到更好得管理和使用远程电能智能管理系统的目的。 (2)、本专利技术的电能量缺失值自动化处理算法在不同的测量点上表现优良，预测值 与实际值的偏差小，针对不同数据源下的适应能力良好，W及在数据集的高比例缺失下表 现良好。 (3)、本专利技术在本自动处理最坏的情况下，可能出现只有一个结果或者全部结果都 被选取进来，由于基于误差进行加权平均后，全部被选取进来的结果在理论中应该优于仅 仅出现一个的情况;对于只出现一个的情况，由于排除了糟糕的结果，因此，理论上最差的 情况应该稍优于固定窗宽和拟合阶数。【附图说明】 为了更清楚地说明本专利技术实例或现有技术中的技术方案，下面将对实施实例或现 有技术描述中所需要的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术 的一些实例，对于本领域普通技术人员来说，在不付出创造性的前提下，还可W根据运些附 图获得其他的附图。 图1是本专利技术的流程图。 图2是本专利技术中对于同一测量点缺失值的预测 值和实际值的曲线对比图。 图3是本专利技术中缺失比例在0%~50%的模型 的预测电能和实际电能平均差值的曲线图。【具体实施方式】 下面将结合本专利技术实例中的附图，对本专利技术实施例中的技术方案进行清楚、完整 地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于发 明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施 例，都属于本专利技术保护的范围。 下面结合附图1，对，包括W下步骤： 步骤1:对电表计量过程中采集到的数据进行判别，识别定位缺失值在序列中的位 置;所述识别过程为，遍历测量点电表的历史数据，当识别到空值时将下标保存进集合T中， 集合T的大小为h。由于电能量缺失数据的情况各异，对于缺失值的智能判别需要用遍历的 方法，先取得缺失值在当前本文档来自技高网...

【技术保护点】
一种电能量缺失值自动处理的方法，其特征在于：包括以下步骤：步骤1：对电表计量过程中采集到的数据进行判别，识别定位缺失值在序列中的位置；步骤2：应用组合优化局部加权多项式拟合模型对电能量缺失值进行预测。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈俊，李刚，龙东，韦杏秋，潘俊涛，唐利涛，李金瑾，唐志涛，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：广西;45