【技术实现步骤摘要】
基于级联卷积自编码器的缺失电力负荷数据修复方法及装置
本专利技术涉及缺失电力负荷数据的修复领域，特别是涉及一种基于级联卷积自编码器的缺失电力负荷数据修复方法及装置。
技术介绍
能源互联网背景下的电力系统规模日益庞大，以电力负荷为代表的各种测量数据作为电力系统中信息传递的基石，直接影响着系统安全与稳定。随着数据量和传输距离的逐渐增长，现有的采样和传输方式，由于设备故障或者环境扰动等不稳定因素，难免出现数据的缺失问题，严重影响系统的稳定运行和状态估计。电力系统中缺失负荷数据的修复通常可以归类到统计学的插值问题，传统的数学方法包括均值填充法、多项式插值、k最邻近法等。这些算法简便易行，但仅对丢失数据前后小范围内的数据敏感，要求数据本身是相对平缓的，无法从大的时间尺度上感知数据的内在关联，因而在长时间的连续数据丢失上的表现较差。
技术实现思路
本专利技术实施例针对现有缺失数据修复技术的不足，提供一种基于级联卷积自编码器的缺失电力负荷数据修复方法及装置。本专利技术实施例所采用的技术方案如下：...
【技术保护点】
1.一种基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，包括：/n获取不含缺失的原始电力负荷数据，建立缺失遮罩生成模型，模拟生成分级子遮罩，并结合所述原始电力负荷数据生成模拟残缺数据；/n对所述原始电力负荷数据、模拟残缺数据和分级子遮罩进行预处理，作为训练集，建立级联卷积自编码器网络，训练所述级联卷积自编码器网络；/n将待修复的残缺电力负荷数据和对应的分级子遮罩进行所述预处理后，输入到训练后的级联卷积自编码器网络中，得到修复后的电力负荷数据。/n
【技术特征摘要】
1.一种基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，包括：
获取不含缺失的原始电力负荷数据，建立缺失遮罩生成模型，模拟生成分级子遮罩，并结合所述原始电力负荷数据生成模拟残缺数据；
对所述原始电力负荷数据、模拟残缺数据和分级子遮罩进行预处理，作为训练集，建立级联卷积自编码器网络，训练所述级联卷积自编码器网络；
将待修复的残缺电力负荷数据和对应的分级子遮罩进行所述预处理后，输入到训练后的级联卷积自编码器网络中，得到修复后的电力负荷数据。
2.根据权利要求1所述基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，所述缺失遮罩生成模型，包括：
在预设的缺失率和缺失片段平均长度下，随机模拟生成与原始电力负荷数据规模相同的缺失遮罩；
对缺失遮罩进行分级处理，得到K个相同规模的分级子遮罩，K为预设分级数。
3.根据权利要求2所述基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，所述分级处理，包括：
生成K个与所述缺失遮罩规模一致的空白分级子遮罩；
将所述缺失遮罩中的缺失片段同时从两端向中间按预设划分率划分为更小的子片段，共划分K次，其中第i次划分出的子片段总长度与所述缺失片段总长度的比值为划分率Li；
将每次划分出的所述子片段作为对应空白分级子遮罩中的缺失片段，得到K个分级子遮罩。
4.根据权利要求1所述基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，所述生成模拟残缺数据，包括：
根据所述缺失遮罩中缺失片段所在位置，将所述原始电力负荷数据中对应位置上的数据清零模拟缺失，得到模拟残缺数据。
5.根据权利要求1所述基于级联卷积自编码器的缺失电力负荷数据修复方法，其特征在于，所述对所述原始电力负荷数据、模拟残缺数据和分级子遮罩进行预处理，包括：
参考所述模拟残缺数据中非缺失数据的最小值和最大值，分别将所述原始电力负荷数据的中全部数据和模拟残缺数据中的非缺失数据进行归一化处理，得到归一化的原始电力负荷数据和归一化的模拟残缺数据；
分别将所述归一化的原始电力负荷数据、归一化的模拟残缺数据和分级子遮罩按每日采样数据个数m截断为k个行向量，k为原始电力负荷数据集对应的采集天数，并各自重组为相应的k×m原始电力负荷数据矩阵、模拟残缺数据矩阵和分级子遮罩矩阵；
将所述原始电力负荷数据矩阵、模拟残缺数据矩阵和分级子遮罩矩阵各自左、右两侧的p列数据复制并交叉填充到矩阵右侧和左侧，p为填充深度；填充矩阵右侧时，填充部分舍弃最下面一行并整体下移一行，上面多出的一个空行数据全部以零代替；填充矩阵左侧时，填充部分舍弃最上面一行并整体上移一行，下面多出的一个空行数据全部以零代替；由此分别得到填充后的k×(m+2p)原始电力负荷数据矩阵、填充后的模拟残缺数据矩阵和填充后的分级子遮罩矩阵；
将所述填充后的原始电力负荷数据矩阵、填充后的模拟...
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。