基于波形相似性分析的功率数据组合插值方法及系统技术方案

本公开涉及数据处理相关技术领域，提出了一种基于波形相似性分析的功率数据组合插值方法及系统，组合插值方法包括如下步骤：分别使用不同的插值方法对获取的有功功率数据进行插值，并初始化各个插值结果的权重，获得初始组合插值结果；基于动态时间规整算法计算插值前后用户有功功率序列的相似度；采用粒子群对权重进行优化，求取插值前后用户平均有功功率序列相似度最高时对应的权重值，获得最优的插值结果。通过基于波形匹配的用户平均有功功率序列插值方法，在增补数据刷新频率较低的用户平均有功功率时间序列的同时，保证插值前后用户平均有功功率序列波形相似度最大，削弱插值误差的影响，提高电能质量分析的精度和有效性。性。性。

【技术实现步骤摘要】
基于波形相似性分析的功率数据组合插值方法及系统


[0001]本公开涉及数据处理相关
，具体的说，是涉及一种基于波形相似性分析的功率数据组合插值方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]随着新能源和大量分布式负荷的广泛接入，现代电力系统的电能质量问题日趋严重。传统的电能质量问题分析手段主要依赖于电网物理模型进行电能质量传输路径分析、定位和责任划分等工作，但是新型电力系统中新能源和负荷的不确定性、电能双向传输等新特征的出现导致传统物理建模和分析变得异常复杂。随着海量检测设备如在线电能质量监测终端、便携式电能质量测试仪、电力录波仪、SCADA、PMU、智能电表的广泛应用，基于海量数据融合的数据驱动方法为电能质量分析提供了新的思路。
[0004]用户侧的用电信息一般通过智能电表获取，智能电表能够获得时间间隔为15min的平均有功功率、无功功率等数据。智能电表采集的有功功率数据是衡量用户电费的依据，也是受到用户认可度最高的数据，所以用户有功功率数据是电能质量分析时常用到的数据类型之一。电力系统中的电能质量检测终端一般部署在10kV母线的公共连接点处，可以监测公共连接点的谐波电压以及部分馈出线路的用户有功功率数据，数据刷新频率一般为3min。很多研究利用公共连接点的电能质量数据和用户侧智能电表数据可以进行谐波源定位和责任划分等工作。
[0005]专利技术人发现，上述监测数据来源于不同的系统和装置，其数据刷新频率存在明显差异，在一定程度上阻碍了电能质量数据融合和电能质量问题分析。

技术实现思路

[0006]本公开为了解决上述问题，提出了一种基于波形相似性分析的功率数据组合插值方法及系统，基于波形相似性的用户平均有功功率序列插值方法，在增补数据刷新频率较低的用户平均有功功率时间序列的同时，保证插值前后用户平均有功功率序列波形相似度最大，削弱插值误差的影响，提高电能质量分析的精度和有效性。
[0007]为了实现上述目的，本公开采用如下技术方案：
[0008]一个或多个实施例提供了基于波形相似性分析的功率数据组合插值方法，包括如下步骤：
[0009]分别使用不同的插值方法对获取的有功功率数据进行插值，并初始化各个插值结果的权重，获得初始组合插值结果；
[0010]基于动态时间规整算法计算插值前后用户有功功率序列的相似度；
[0011]采用粒子群对权重进行优化，求取插值前后用户平均有功功率序列相似度最高时对应的权重值，获得最优的插值结果。
[0012]一个或多个实施例提供了基于波形相似性分析的功率数据组合插值系统，包括：
[0013]插值模块：被配置为分别使用不同的插值方法对获取的有功功率数据进行插值，并初始化各个插值结果的权重，获得初始组合插值结果；
[0014]相似度分析模块：被配置为基于动态时间规整算法计算插值前后用户有功功率序列的相似度；
[0015]优化模块：被配置为采用粒子群对权重进行优化，求取插值前后用户平均有功功率序列相似度最高时对应的权重值，获得最优的插值结果。
[0016]一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
[0017]一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。
[0018]与现有技术相比，本公开的有益效果为：
[0019]本公开的方法针对电能质量数据存在不确定性和多样性，单一的插值算法不能在任何时刻都准确描述电能质量数据的变化规律的问题，提出了一种组合插值方法以汇集多种单一插值算法所包含的信息，在保证插值前后用户平均有功功率序列波形相似度最大的基础上确定不同插值算法的权重，极大改善用户有功功率序列的插值结果。
[0020]本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
[0021]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
[0022]图1是本公开实施例1的方法的流程图；
[0023]图2是本公开实施例1的仿真示例插值前用户有功功率时间序列图；
[0024]图3是本公开实施例1的仿真示例线性插值法得到的用户有功功率时间序列；
[0025]图4是本公开实施例1的仿真示例三次样条插值法得到的用户有功功率时间序列图；
[0026]图5是本公开实施例1的仿真示例拉格朗日插值法得到的用户有功功率时间序列图；
[0027]图6是本公开实施例1的仿真示例粒子群优化过程中适应度的变化趋势；
[0028]图7是本公开实施例1的仿真示例组合插值法得到的用户有功功率时间序列；
[0029]图8是本公开实施例1的仿真示例粒子群优化组合插值法与平均权重组合插值法的动态时间规整距离对比。
具体实施方式
[0030]下面结合附图与实施例对本公开作进一步说明。
[0031]应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0032]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根
据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
[0033]实施例1
[0034]在一个或多个实施方式公开的技术方案中，如图1
‑
图8所示，基于波形相似性分析的功率数据组合插值方法，包括如下步骤：
[0035]步骤1、分别使用不同的插值方法对获取的有功功率数据进行插值，并初始化各个插值结果的权重，获得组合插值结果；
[0036]步骤2、基于动态时间规整算法(dynamic time warping，DTW)计算插值前后平均有功功率序列的相似度；
[0037]步骤3、采用粒子群对权重进行优化，求取插值前后用户平均有功功率序列相似度最高时对应的权重值，获得最优的插值结果。
[0038]本实施例中，从数据挖掘理念出发，针对用户平均有功功率数据与电能质量检测系统数据刷新频率不同的问题，通过插值前后数据序列的相似度分析对用户平均有功功率序列插值，在增补数据刷新频率较低的用户平均有功功率时间序列的同时，保证插值前后用户平均有功功率序列波形相似度最大，削弱插值误差的影响，提高电能质量分析的精度和有效性。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于波形相似性分析的功率数据组合插值方法，其特征在于，包括如下步骤：分别使用不同的插值方法对获取的有功功率数据进行插值，并初始化各个插值结果的权重，获得初始组合插值结果；基于动态时间规整算法计算插值前后用户有功功率序列的相似度；采用粒子群对权重进行优化，求取插值前后用户平均有功功率序列相似度最高时对应的权重值，获得最优的插值结果。2.如权利要求1所述的基于波形相似性分析的功率数据组合插值方法，其特征在于：插值方法包括线性插值、三次样条插值、拉格朗日插值中的至少两种。3.如权利要求1所述的基于波形相似性分析的功率数据组合插值方法，其特征在于：初始化各个插值结果的权重的方法为随机选取权重值，各个插值结果对应的权重和为1，每个权重的数值为0至1之间的随机数。4.如权利要求1所述的基于波形相似性分析的功率数据组合插值方法，其特征在于：基于动态时间规整算法计算插值前后用户平均有功功率序列的相似度，具体方法包括：计算插值前有功功率序列P
i，0
和插值后的有功功率序列P
j
各点之间的欧氏距离，将得到的结果作为元素构建欧氏距离矩阵；根据构建的欧氏距离矩阵M，计算累计距离构建累计距离矩阵M
c
；根据累计距离矩阵M
c
的元素值计算时间序列的DTW距离，距离越小，插值前有功功率序列P
i，0
和插值后的有功功率序列P
j
相似度越高。5.如权利要求1所述的基于波形相似性分析的功率数据组合插值方法，其特征在于：采用粒子群对权重进行优化的方法，步骤包括：在三维搜索空间内随机生成粒子群算法初始种群，每个粒子位置为不同插值结果对应的权重；设定粒子群的适应值为时间序列P...

【专利技术属性】
技术研发人员：李万信，常明斌，刘德才，魏晓蔚，王瑜，郑霄翔，许皓，陈芳，布继康，何荣凯，吴祥昆，申祥坤，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：