【技术实现步骤摘要】
一种高频电力数据深度无损压缩方法及系统
[0001]本专利技术属于数据处理
，涉及对电力数据的压缩，为一种高频电力数据深度无损压缩方法。
技术介绍
[0002]压缩在信息传输中，压缩对于传输有着至关重要的重用，相较于奈奎斯特采样，压缩感知对采样条件要求更低，它的特殊采样方式打破了奈奎斯特采样定律的限制，拥有更高的计算效率。在传统的电力压缩算法中，数据段处于不平稳状态时的重建效果较差，对信号频率的分析变化会显得困难。区别于同步向量测量的数据，分钟级电力数据则以实时数据测量传输，对于电网统计的居民生活区用电数据的压缩与恢复问题，成为相关部门迫切需求。
[0003]近年来，家庭用户用电供应需求增大，采集用电电表需要传输生活区每户用电数值，进而存储与传输的工作就变得非常重要。一方面，生活区电表并不能完全采集到所有连续电力数据，而是一组离散时间序列，所测绘出的数值并非连续且存在null值，而且不同用户用电数据各不相同，彼此之间没有明显的相关性，现有技术的经典压缩算法对这种数据的压缩分析较为困难。另一方面，经典的有损压缩在...
【技术保护点】
【技术特征摘要】
1.一种高频电力数据深度无损压缩方法，其特征在于，对采集的居民用电数据进行无损压缩，包括以下步骤：1)设计电力数据特征提取模型T
‑
Transformer，所述T
‑
Transformer模型基于Transformer模型，在Encoder和Decoder增加高斯先验模块，由居民用电的历史数据训练T
‑
Transformer模型，学习居民用电数据的特征；2)输入待压缩电力数据至T
‑
Transformer模型，输出得到电力数据的注意力特征，经由线性变换层得到输出向量；3)通过算术编码对输出向量进行编码得到概率区间；4)对编码得到的概率区间进行比特编码，完成数据压缩；5)利用解码器对压缩数据解压。2.根据权利要求1所述的高频电力数据深度无损压缩方法，其特征在于，所述T
‑
Transformer模型基于Transformer模型，在Encoder与Decoder之前增加高斯先验，对输入的用电数据首先进行预处理，计算每个数据的相对位置编码，公式为：采用正弦与余弦函数计算，在偶数位置，使用正弦编码，得到偶数位置编码PE
ps,2i
，在奇数位置，使用余弦编码，得到奇数位置编码PE
ps,2i+1
，其中ps为数据的绝对位置，i是数据向量的第i维，dm为数据向量的维度；其中，Encoder中由多头注意力机制提取注意力向量，拼接后得到Encoder特征，在进行注意力处理前，增加一个高斯先验模块，加强自注意力捕获局部特征的结构，得到新的第i个数据向量X
i
：式(2)中，w为位置权重，b为偏差，x
i
表示当前中心数据，x
j...
【专利技术属性】
技术研发人员：马洲俊，朱红，许洪华，付章杰，何卓豪，朱正谊，楚成博，吕梦婕，陆越，冯隆基，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：
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。