【技术实现步骤摘要】
一种电力系统配变电站负荷数据异常检测与修复方法
本专利技术涉及一种电力系统配变电站负荷数据异常检测与修复方法，属于电力系统分析与控制
技术介绍
保证电力系统负荷数据真实性和完整性对电力负荷预测精度和电力系统可靠运行具有重要的意义。然而在负荷数据采集过程中，可能由于采集装备故障、通信失败、信息攻击等原因，导致负荷数据采集不完整或者存在不同程度的偏差。缺失值、连续零值、连续某一恒定值、异常突然升高、异常突然降低等都是较为常见的异常数据类型。电压等级越低，对应负荷数据的异常检测和修复难度就越大。主要有两个方面的原因：1)较低电压等级的负荷采集、通信、存储等设备质量较差，使得异常坏数据的占比较高；2)较低电压等级的负荷因为其体量小，波动性明显，不确定较强。目前已有相关电力系统负荷数据异常检测和修复相关的研究工作，研究的主要对象是母线负荷或者系统负荷，对低压配变负荷的研究较少，主要采用时间序列或其他简单的统计等分析方法开展相关研究。计算机领域的机器学习方法为电力系统的研究提供了更多的解决方案。目前对于低压配电网负荷数据的异常检测和修复研究工作较少，机器学习等新兴的...
【技术保护点】
1.一种电力系统配变电站负荷数据异常检测与修复方法，其特征在于该方法包括以下步骤：(1)采集N天待检测和修复的电力系统配变电站的负荷数据L以及配变电站所在地区的温度数据T，设N天中每天采集的负荷数据长度为H，得到负荷数据L和温度数据T的长度分别为N×H；(2)将负荷数据L重新排列为N行H列的负荷数据矩阵L1，负荷数据矩阵L1中的每一行对应每一天中H个时段的负荷数据，每一列对应不同天同一时刻的负荷数据；(3)对步骤(2)的负荷数据矩阵L1进行奇异值分解：L1＝U1Σ1V1T其中，U1为一个N行N列的方矩阵，V1为一个H行H列的方矩阵，上标T为矩阵转置，Σ1为一个N行H列的半正...
【技术特征摘要】
1.一种电力系统配变电站负荷数据异常检测与修复方法，其特征在于该方法包括以下步骤：(1)采集N天待检测和修复的电力系统配变电站的负荷数据L以及配变电站所在地区的温度数据T，设N天中每天采集的负荷数据长度为H，得到负荷数据L和温度数据T的长度分别为N×H；(2)将负荷数据L重新排列为N行H列的负荷数据矩阵L1，负荷数据矩阵L1中的每一行对应每一天中H个时段的负荷数据，每一列对应不同天同一时刻的负荷数据；(3)对步骤(2)的负荷数据矩阵L1进行奇异值分解：L1＝U1Σ1V1T其中，U1为一个N行N列的方矩阵，V1为一个H行H列的方矩阵，上标T为矩阵转置，Σ1为一个N行H列的半正定对角矩阵，Σ1中的对角元素由L1的奇异值σi从大到小排列而成，其他元素都是0，奇异值σi通过对矩阵L1TL1的正特征值λi取平方根获得：记负荷数据矩阵L1的奇异值σi的个数为S，S＝H；(4)判断负荷数据矩阵L1是否具有低秩性：将所有奇异值σi从大到小排列，取所有奇异值中的前10％个奇异值，若前10％个奇异值的个数为小数，则向上取整，记为计算前10％个奇异值之和占所有奇异值和的比例：设定一个判断阈值，对η进行判断，若比例η大于或等于判断阈值，则判定负荷数据矩阵L1具有低秩性，进行步骤(5)，若比例η小于判断阈值，则判定负荷数据矩阵L1不具有低秩性，进行步骤(6)；(5)对负荷数据矩阵L1进行低秩矩阵分解：构建一个低秩矩阵技术修复优化模型如下：s.t.L1＝L′1+E1其中，L′1为利用低秩矩阵技术修复后的负荷数据矩阵，E1为误差矩阵，||L′1||*为矩阵A的核范数，||L′1||*的值等于L′1所有奇异值的和，||E1||1，1为误差矩阵E1的(1,1)范数，||E1||1，1的值等于矩阵E1所有元素绝对值的和，β为容差参数，取值为0.3，β表示误差矩阵E1所占比重，利用交替方向法对上述模型进行求解，得到修复后的负荷数据矩阵L′1；(6)分别训练随机森林分位数回归模型，包括以下步骤；(6-1)将步骤(5)初步修复后的负荷数据L′1和步骤(4)的不...
【专利技术属性】
技术研发人员：李明轩，罗卓伟，王毅，贺大玮，刘羽霄，张宁，
申请(专利权)人：江苏云上电力科技有限公司，清华大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。