【技术实现步骤摘要】
一种校准用电数据的方法及装置
本专利技术涉及建筑环境中数据校准领域，更具体涉及一种校准用电数据的方法及装置。
技术介绍
数据校准是指在建筑用电设备物联网环境下，对系统获取的数据进行分析处理，获得精准的数据。准确的数据是建筑安全、节能运行的基础；错误的数据导致高能耗，甚至影响运行安全；建筑数据来自于散布在建筑各个角落的传感器、执行器，检查、校核这些数据的人工成本非常高。数据校准能够解决上述提到的问题，而且能够给建筑运行过程中在数据方面提供准确的依据，具有提供精确数据、增加数据的可靠性等功能。由于建筑智能建筑的崛起，精准的用电数据能够反映建筑的运行情况，长时间的使用错误的数据，会让建筑运行受到局限性，造成一定的不必要的损失。随着科技水平的发展对精准的数据要求越来越严格，建立数据校准模型是获取建筑运行过程中精准数据的关键，其中如何通过原始数据来得到更为精准数据是数据校准的关键。中国专利公开号CN209516736U，公开了一种配电化终端，包括：用于获取目标用户的用电数据，并对用电数据进行转发的配电装置、用于对用电数...
【技术保护点】
1.一种校准用电数据的方法，其特征在于，所述方法包括：/n步骤一：采集用电数据并进行去噪以后构建用电数据集，将用电数据集分成两部分，一部分为训练样本，另一部分为测试样本；/n步骤二：对训练样本和测试样本分别进行归一化处理，获取归一化后的训练样本以及归一化后的测试样本；/n步骤三：对归一化后的训练样本输入到支持向量机中进行训练，得到遗传算法优化的支持向量机模型；/n步骤四：将归一化后的测试样本的用电数据输入遗传算法优化的支持向量机模型中进行测试，得到预测结果，将预测结果进行反归一化处理得到反归一化处理后的用电数据；/n步骤五：选取一组测试样本的用电数据和反归一化处理后的用电数...
【技术特征摘要】
1.一种校准用电数据的方法，其特征在于，所述方法包括：
步骤一：采集用电数据并进行去噪以后构建用电数据集，将用电数据集分成两部分，一部分为训练样本，另一部分为测试样本；
步骤二：对训练样本和测试样本分别进行归一化处理，获取归一化后的训练样本以及归一化后的测试样本；
步骤三：对归一化后的训练样本输入到支持向量机中进行训练，得到遗传算法优化的支持向量机模型；
步骤四：将归一化后的测试样本的用电数据输入遗传算法优化的支持向量机模型中进行测试，得到预测结果，将预测结果进行反归一化处理得到反归一化处理后的用电数据；
步骤五：选取一组测试样本的用电数据和反归一化处理后的用电数据的差值作为卡尔曼滤波器的输入，对初始漂移值进行优化处理得到最优漂移值，将测试样本的用电数据减去最优漂移值得到校准的用电数据。
2.根据权利要求1所述的一种校准用电数据的方法，其特征在于，所述步骤一包括：
步骤101：采集初始用电数据，找出初始用电数据所有的极大值点和所有的极小值点，然后采用三次插值的方法将获得的这些极大值点连接起来形成上包络线，极小值点连接起来形成下包络线，则所有的初始用电数据都位于上包络线和下包络线之间；
步骤102：利用公式h1＝x(k)–m1计算本征模态函数条件判断结果值，判断本征模态函数条件判断结果值是否满足本征模态函数的条件，如满足，则将h1作为本征模态函数分量，其中，x(k)为初始用电数据序列，m1为上包络线和下包络线之间数据的平均值序列，h1为本征模态函数条件判断结果值；
步骤103：若本征模态函数条件判断结果值不满足本征模态函数的条件，将h1作为初始用电数据，返回执行步骤101至步骤102，直到满足本征模态函数的条件；
步骤104：上述步骤得到第一个本征模态函数分量，利用公式r1＝x(k)-C1从初始用电数据序列x(k)中将第一个本征模态函数分量分离出来，其中，C1为第一个本征模态函数分量，r1为第一个本征模态函数分量对应的用电数据；将r1作为初始用电数据返回执行步骤101至步骤103，得到第n个本征模态函数分量Cn，经过n次返回执行步骤101至步骤103，得到n个本征模态函数分量；当得到的分量不再满足本征模态函数的条件时，循环结束，此时，初始用电数据序列x(k)分解为其中Ci为第i个本征模态函数分量，rn为第n个本征模态函数分量对应的用电数据；
步骤105：去掉分解的初始用电数据序列x(k)中几项高频信号进行EMD去噪得到重构用电数据序列，根据重构用电数据序列的时间序列选取每一天对应的最高温度、最低温度、节假日以及去噪后前两天和去噪后前一天的用电数据作为自变量，选取去噪当天的用电数据作为因变量，将自变量和因变量组合构成用电数据集elec(k)，将用电数据集elec(k)一部分作为训练样本elec_train，另一部分作为测试样本elec_test。
3.根据权利要求2所述的一种校准用电数据的方法，其特征在于，所述步骤二中，训练样本为：
其中，elec_train为训练样本，i是训练样本的用电数据时间索引，表示第i天，ai表示去噪当天获取的第i天用电数据；bi表示第i天对应是否为节假日，若是则bi为1，若不是则bi为0；ei表示第i天对应的最高温度；fi表示第i天对应的最低温度；li表示去噪前两天获取的第i天用电数据；oi表示去噪前一天获取的第i天用电数据；
利用公式对训练样本进行归一化处理，其中，I为训练样本的第I列且I＝1,2...6，xI为训练样本第I列的数据值，xImax为训练样本第I列中最大的数值，xImin为训练样本第I列中最小的数值。
4.根据权利要求3所述的一种校准用电数据的方法，其特征在于，所述步骤二中，
测试样本为：
其中，elec_test为测试样本，j是测试样本的用电数据时间索引，表示第j天，aj表示去噪当天获取的第j天用电数据；bj表示第j天对应是否为节假日，若是则bj为1，若不是则bj为0；ej表示第j天对应的最高温度；fj表示第j天对应的最低温度；lj表示去噪前两天获取的第j天用电数据；oj表示去噪前一天获取的第j天用电数据；
利用公式对测试样本进行归一化处理，其中，J为测试样本的第J列且J＝1,2...6，xJ为测试样本第J列的数据值，xJmax为测试样本第J列中最大的数值，xJmin为测试样本第J列中最小的数值。
5.根据权利要求1所述的一种校准用电数据的方法，其特征在于，所述步骤三包括：
步骤301：遗传算法初始化支持向量机的参数，参数包括种群最大数量、种群最大进化代数、交叉概率p、变异概率s、惩罚因子c的限定范围以及核函数参数g的限定范围；
步骤302：对惩罚因子c以及核函数参数g进行二进制编码并初始化种群；
步骤303：利用公式计算种群的适应度，其中，MSE为种群的适应度值，n为训练样本数，yi为真实的第i个训练样本的用电数据值；f(xi)为预测的第i个训练样本的用电数据值，且
其中，αi与αi*均为支持向量机的初始系数，且||xf-xi||为二范数距离，xf表示特征集的特征向量，xi表示待预测的第i个训练样本；
步骤304：随机选择遗传个体；
步骤305：根据交叉概率p进行遗传个体交叉操作；
步骤306：根据变异概率s进行遗传个体变异操作；
步骤307：返回执行步骤303至步骤306，直至达到预设的迭代次数，输出最优的惩罚因子c以及最优的核函数参数g；
步骤308：将最优的惩罚因子c以及最优的核函数参数g进行解码；
步骤309：将解码后的最优的惩罚因子c以及最优的核函数参数g作为支持向量机的输入参数，获取遗传算法优化的支持向量机模型。
6.根据权利要求1所述的一种校准用电数据的方法，其特征在于，所述步骤五包括：
步骤501：选取一组测试样本的用电数据和反归一化处理后的用电数据的差值作为卡尔曼滤...
【专利技术属性】
技术研发人员：方潜生，张红艳，谢陈磊，杨亚龙，张毅，任守明，张振亚，李善寿，李杨，蒋婷婷，朱徐来，张睿，王萍，李雪飞，杨先锋，盛锦壮，袁翠艳，钟永祥，王浩杰，朱俊超，
申请(专利权)人：安徽建筑大学，
类型：发明
国别省市：安徽;34
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。