一种单相谐波数据丢失的修复方法及系统技术方案

本发明专利技术涉及一种单相谐波数据丢失的修复方法，包括以下步骤：S1:构建基于谱图理论的谐波数据修复模型；S2:建立图拉普拉斯矩阵，并基于图拉普拉斯矩阵简化谐波数据修复模型；S3:利用合并K均值聚类算法对发生数据丢失的关注节点的先验信息进行聚类，建立图信号阈值向量，并进一步建立关注节点先验信息模型；S4:初始Bregman迭代算法化参数，求解谐波数据修复模型，得到未知图信号S

【技术实现步骤摘要】
一种单相谐波数据丢失的修复方法及系统


[0001]本专利技术涉及电能质量数据修复领域，，具体涉及一种单相谐波数据丢失的修复方法及系统。

技术介绍

[0002]随着5G网络、人工智能、边缘计算等高科技技术的快速发展和成熟，泛在动力物联网的建设已被提上日程。在这个架构中，充分感知大数据的感知层，是整个系统情况和状态识别的基础。
[0003]现在，电力系统有各种各样的数据采集和监测控制系统，这些系统都是基于变电站、输电线路和电力使用等相关数据。其中，电网的谐波测量数据是掌握谐波规律、实现谐波治理、提高电能质量的关键。然而，由于各种原因，包括通信拥堵和测量单元故障，数据丢失和数据质量下降的情况很普遍。这些缺失的数据会大大影响事件后分析或干扰识别等应用的准确性。
[0004]近些年来，国内外的数据修复方法，主要分为两大类别，基于低秩矩阵修复的数据修复方法和基于深度学习的数据修复方法。现有的矩阵修复算法主要有核正则化矩阵逼近，奇异值投影和最大边际矩阵分解。该类方法依赖实际线路参数，恢复的准确性有可能受到拓扑信息的影响。基于深度学习的数据修复本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单相谐波数据丢失的修复方法，其特征在于，包括以下步骤：S1:构建基于谱图理论的谐波数据修复模型；S2:建立图拉普拉斯矩阵，并基于图拉普拉斯矩阵简化谐波数据修复模型；S3:利用合并K均值聚类算法对发生数据丢失的关注节点的先验信息进行聚类，建立图信号阈值向量，并进一步建立关注节点先验信息模型；S4:初始Bregman迭代算法化参数，求解谐波数据修复模型，得到未知图信号S
unknown
；S5:通过领域平均法将合并K均值算法的阈值向量和未知图信号S
unknown
联系起来，完成谐波数据的修复。2.根据权利要求1所述的一种单相谐波数据丢失的修复方法，其特征在于，所述基于谱图理论的谐波数据修复模型，具体为：S
known
＝χS
unknown
+u
s
+∈其中，S
known
表示可观察到的图信号；S
unknown
为通过特征向量χ控制图信号S
known
的未知图信号；u
s
为S
known
的平均值向量；∈为服从多元高斯分布的噪声变量。3.根据权利要求1所述的一种单相谐波数据丢失的修复方法，其特征在于，所述S2具体为：根据未发生谐波数据丢失的量测装置建立图拉普拉斯矩阵L，L为对角对称矩阵，并进行相似对角化为L＝χΛχ
T
；其中，Λ为对角特征值矩阵，且特征值按升序排列，χ为特征向量；噪声变量∈的概率密度函数为未知的图信号S
known
遵循遵循为对角特征值矩阵Λ的伪逆矩阵；结合噪声变量、未知的图信号和未知图信号的S
unknown
的最大后验概率，谐波数据修复模型简化为其中，p
E
为噪声的概率密度函数；p
s
为未知图信号的概率密度函数；α是常数参数。4.根据权利要求1所述的一种单相谐波数据丢失的修复方法，其特征在于，所述S3具体为：利用合并K均值聚类算法...

【专利技术属性】
技术研发人员：林芳，林焱，方晓玲，马晓阳，黄霆，苏清梅，陈玫珊，黄雁，黄道姗，吴丹岳，刘辉山，
申请(专利权)人：国网福建省电力有限公司电力科学研究院四川大学，
类型：发明
国别省市：