基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法技术

本发明专利技术公开了基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法，包括以下步骤：S1、负荷历史数据把其分为有数据丢失向量与数据完整向量两类；S2、构成原始矩阵；S3、对缺失的元素进行插值，形成初步恢复矩阵；S4、对初步恢复矩阵求皮尔逊相关系数矩阵，筛选出与数据缺失向量相关性高的向量；S5、把原始含有数据丢失的向量，经皮尔逊相关系数矩阵筛选后的向量；S6、运用奇异值阈值收缩算法对恢复矩阵中的缺失元素进行恢复补全；S7、取出下一条存在数据丢失的向量，重复上述步骤。本发明专利技术改进算法相较于传统的低秩矩阵补全算法，取得了更佳的整体恢复效果与稳定性，在补全配电网负荷缺失数据上有更为出色的运用。

【技术实现步骤摘要】
基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法
本专利技术涉及配电网负荷缺失数据恢复，特别是涉及基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法。
技术介绍
对电网公司而言，电网公司计量中心的电能量计量系统(TMRS)中存在大量用户历史用电数据，挖掘数据中的潜藏信息，用于负荷建模、负荷预测或者用能分析，可为电网公司带来更大的效益。然而，由于采集终端故障与传输通道不可靠等原因，配电网计量数据数据丢失不全的情况时有发生，这为后续的数据挖掘与分析带来了巨大的不便。参考文献应对缺失的配电网电气量数据，常用的处理方法包括：(1)直接丢弃整条不全的数据序列，该方法可以确保留存下来的数据都是完整可靠的，但舍弃了许多潜在的数据，尤其是一些只丢失了少量数据点的序列，故此方法并不推荐。(2)基于简单的数理统计的数据恢复方法，主要包括线性插值法和相近日均值替代法(赵少东,王春燕.电力系统的计量缺失数据智能修复研究与应用[J].科技创新导报,2018,15(18):96-98.]、[莫仕勋,吴杰康,李如琦,等.负荷预测系统数据缺失与畸变的分析及其处理[J].本文档来自技高网...

【技术保护点】
1.基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法，其特征在于，包括以下步骤：/nS1、根据负荷历史数据特点，按每一天h个数据点整体作为一个数据向量，然后根据数据向量中是否有数据点丢失，把其分为有数据丢失向量与数据完整向量两类；/nS2、从存在数据丢失的负荷向量集合中，每次选一条有数据丢失的负荷向量，和所有数据完整的向量，共同构成原始矩阵M

【技术特征摘要】
1.基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法，其特征在于，包括以下步骤：
S1、根据负荷历史数据特点，按每一天h个数据点整体作为一个数据向量，然后根据数据向量中是否有数据点丢失，把其分为有数据丢失向量与数据完整向量两类；
S2、从存在数据丢失的负荷向量集合中，每次选一条有数据丢失的负荷向量，和所有数据完整的向量，共同构成原始矩阵M1，其中m为向量的数目；
S3、先对M1中缺失的元素进行插值，形成初步恢复矩阵M2，
S4、对初步恢复矩阵M2求皮尔逊相关系数矩阵(PearsonCorrelationCoefficientMatrix，PCCM)，筛选出与数据缺失向量相关性高的d条向量；
S5、把原始含有数据丢失的向量，经皮尔逊相关系数矩阵筛选后的d条向量，与一条数值全为1的常数向量共同构成恢复矩阵M3，
S6、运用奇异值阈值收缩算法(SingularValueThresholding，SVT)对恢复矩阵M3中的缺失元素进行恢复补全，从而完成一条缺失向量的数据恢复补全；
S7、取出下一条存在数据丢失的向量，重复上述步骤直至所有向量恢复完毕。


2.根据权利要求1所述的基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法，其特征在于，步骤S1所述负荷历史数据为电力计量系统数据，该负荷数据计量对象为功率P，测量间隔为15min测量一个数据点，故一天总共采集96个数据点，以每一天的数据作为研究的向量。


3.根据权利要求1所述的基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法，其特征在于，...

【专利技术属性】
技术研发人员：华锦修，余涛，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44