一种基于聚类压缩感知的用户缺失电量数据修复方法技术

本发明专利技术公开了一种基于聚类压缩感知的用户缺失电量数据修复方法。本发明专利技术首先从计量系统中获取用户当月用电信息，设置数据缺失日以及缺失时段；采用k‑means聚类对用户的用电模式进行划分，依据分类结果构建相似日用电量矩阵；通过相似日用电量矩阵求取相似日平均用电量序列；依据平均用电量对相似日矩阵中缺失时段的电量预填充；判断用户电量曲线的失真程度，就严重失真采用预填充值进行修复；将缺失时段依据前后是否连续进行分块，计算各块时段的电能增长率；若缺失时段电能波动在正常范围采用线性插值的方式进行修复，若不在正常范围时采用压缩感知进行修复。本发明专利技术能够同时考虑数据的横向、纵向相似性，对用户连续缺失电量的修复具有较高的准确率。

A method of data restoration based on cluster compression perception

【技术实现步骤摘要】
一种基于聚类压缩感知的用户缺失电量数据修复方法
本专利技术属于智能电网
，尤其涉及一种基于聚类压缩感知的用户缺失电量数据修复方法。
技术介绍
2018年7月，南方能源监管局组织召开南方电力现货市场交易规则专家研讨会，广东电力现货市场正式运行。在未来，中国电力市场将逐步形成中长期加现货交易的市场模式，届时电能交易与结算将会变得非常复杂，对电能量数据采集及技术处理手段也会提出更高要求。高级量测体系作为智能电网的重要组成部分，经过多年的建设，目前已日趋完善。其通过运用各种先进的测量技术和通讯手段使电网整体运行情况易于感知，能够及时发现异常情况，保障系统安全稳定运行。分时计量是电网高级量测体系中非常重要的功能之一，其能够记录用户各个时段的用电情况，为各市场主体参与现货市场交易提供条件。分时电量数据作为电能结算中最重要的基础数据，其重要性不言而喻。然而在实际情况中由于各种原因会导致计量系统中的电量数据出现缺失、跳变以及死数等异常情况。如何识别、修复异常数据成为电力现货市场建设亟待解决的问题。传统的数据修复方法原理简单，主要考本文档来自技高网...

【技术保护点】
1.一种基于聚类压缩感知的用户缺失电量数据修复方法，包括以下步骤：/n步骤1：从计量系统中获取得到用户当月用电量，根据缺失数据日以及缺失时段序列设置用户缺失电量，根据缺失时段将用户当月每天相同缺失时段的电量数据全部置零，得到聚类算法输入数据集以构建输入矩阵；/n步骤2：采用k-means聚类方法对输入矩阵按行聚类得到聚类结果，将用户在当月M天的用电模式按日分为k类，构建相似日矩阵；/n步骤3：找到缺失数据日所属的相似日矩阵，将矩阵中缺失数据日的用电量整行置空后得到中间矩阵，进一步计算得到缺失时段的相似日平均用电量序列；/n步骤4：采用相似日平均用电量对相似日矩阵中缺失时段的电量进行预填充；/n...

【技术特征摘要】
1.一种基于聚类压缩感知的用户缺失电量数据修复方法，包括以下步骤：
步骤1：从计量系统中获取得到用户当月用电量，根据缺失数据日以及缺失时段序列设置用户缺失电量，根据缺失时段将用户当月每天相同缺失时段的电量数据全部置零，得到聚类算法输入数据集以构建输入矩阵；
步骤2：采用k-means聚类方法对输入矩阵按行聚类得到聚类结果，将用户在当月M天的用电模式按日分为k类，构建相似日矩阵；
步骤3：找到缺失数据日所属的相似日矩阵，将矩阵中缺失数据日的用电量整行置空后得到中间矩阵，进一步计算得到缺失时段的相似日平均用电量序列；
步骤4：采用相似日平均用电量对相似日矩阵中缺失时段的电量进行预填充；
步骤5：判断用户缺失数据日电量曲线的失真程度以进行修复；
步骤6：将缺失时段序列依据前后是否为连续缺失分块成多个子时段序列，得到分块后缺失时段序列，计算分块后缺失数据时段电量的平均增长率；
步骤7：若分块后缺失数据时段电量的平均增长率在正常范围时采用线性插值的方式进行修复，若分块后缺失数据时段电量的平均增长率不在正常范围时采用压缩感知方法对电量序列进行修复。


2.根据权利要求1所述的基于聚类压缩感知的用户缺失电量数据修复方法，其特征在于：
步骤1中所述用户当月第d天，h时段的用电量为：
Wd,h
其中，d∈(1,…M)，M表示该月所具有的天数，h∈(1,…N)，N表示一天内电表能够计量的时段数目；
步骤1中所述根据缺失数据日以及缺失时段序列设置用户缺失电量为：
设置用户缺失电量的位置在d0天h0时段；
其中，d0为缺失数据日，h0为缺失时段序列，h0＝(h0(1),h0(2),…h0(q))，其长度q表示当日电量缺失的数目；
设置用户缺失电量为：：



步骤1中所述聚类算法输入数据集：
bd,h＝Wd,hd∈(1,…M),h∈(1…N)
步骤1中根据缺失时段将用户当月每天相同缺失时段的电量数据全部置零：



其中h0表示缺失时段，为bd,h中缺失时段的数据；
步骤1中所述构建输入矩阵具体为：
B＝bd,hd∈(1,…M),h∈(1…N)
其中，bd,h为聚类算法输入数据集，B为输入矩阵。


3.根据权利要求1所述的基于聚类压缩感知的用户缺失电量数据修复方法，其特征在于：
步骤2中所述聚类结果具体为：
将输入矩阵B的M行进行分类，记录每一类别所包含的行：
di＝(di(1),di(2),…di(mi))i∈(1,2,…k)



其中,di表示矩阵B中类别为i的行，mi为类别为i的行数；
步骤2中所述的相似日矩阵具体为：
依据聚类结果将矩阵B中划为同一类的行所对应日的各时段用电量重新排列，组成相似日用电量矩阵：
此处考虑到矩阵B中缺失时段的电量前述步骤已经置零，所以需要找到每一行所对应的日各时段的用电量即Wd,h，因为后续要求缺失时段用电量的平均值；



其中，Pi为类别i的相似日用电量矩阵，维度为mi×N，为类别i中第mi天第N个时段的用电量。


4.根据权利要求1所述的基于聚类压缩感知的用户缺失电量数据修复方法，其特征在于：
步骤3中所述找到缺失数据日所属的相似日矩阵为：
找到d0日所属的相似日矩阵为Pi；
将Pi中d0日的用电量整行置空后得到中间矩阵Pi′；
步骤3中所述进一步计算得到相似日平均用电量序列为：
对Pi′按列求取平均值得到相似日平均用电量序列：





5.根据权利要求1所述的基于聚类压缩感知的用户缺失电量数据修复方法，其特征在于：
步骤4中对相似日矩阵中缺失时段的电量进行预填充为：
Pi(n1,h0(j))＝f(h0(j))j∈(1,…q)
其中f为相似日平均用电量序列，h0为缺失电量时段，Pi为相似日矩阵，n1表示Pi中d0日用电量所处的行数，0≤n1≤mi。


6.根据权利要求1所述的基于聚类压缩感知的用户缺失电量数据修复方法，其特征在于：
步骤5中所述判断用户缺失数据日电量曲线的失真程度以进行修复具体为：
所述缺失数据日为d0；
所述失真程度是指缺失数据个数与缺失...

【专利技术属性】
技术研发人员：严明辉，段沛恒，卜祺，王睿琛，冯莹莹，孙恒一，
申请(专利权)人：昆明电力交易中心有限责任公司，
类型：发明
国别省市：云南;53