基于多维数据交叉验证的高可靠负荷异常识别修补方法技术

本发明专利技术涉及基于多维数据交叉验证的高可靠负荷异常识别修补方法技术领域，且公开了基于多维数据交叉验证的高可靠负荷异常识别修补方法，包括以下步骤：S1、从预先存储的数据库中，根据监测区域居民年度用电量选取目标主表以及与目标主表相关的目标附表，进行数据类型分类后，生成以居民用电量为事实表的多维度数据表，S2、将多维数据表中集中的数据分为K个数量一致的样本集，取其中一个样本集作为验证集，通过在不同负荷下对各时刻负荷值的随机分布情况，基于中心极限定理和负荷值相对于聚类中心负荷偏差的四分位差，构建异常负荷数据域，对预测结果进行对比，剔除其中误表，提高多维度数据表中异常负荷数据的准确度。维度数据表中异常负荷数据的准确度。

【技术实现步骤摘要】
基于多维数据交叉验证的高可靠负荷异常识别修补方法


[0001]本专利技术涉及基于多维数据交叉验证的高可靠负荷异常识别修补方法
，具体为基于多维数据交叉验证的高可靠负荷异常识别修补方法。

技术介绍

[0002]随着社会经济的发展，电力的需求量不断扩大，供电的非技术损失也成为供电领域日益热门的话题，而居民用电作为其中最关键的一部分，对地区居民用电进行记录和分析，然后分析其中异常负荷数据，便于后续供电与电力设施架设，电力负荷数据还会由于多种随机干扰因素的影响，如计量故障，使数据存在一定的异常干扰值，异常数据发生的随机性和分布的复杂性使数据处理和挖掘变得更加困难，目前，海量电量数据的采集和对数据的实时监控日渐完善，但是如何从海量数据中提取出有用信息，特别是挖掘出异常用电信息成为一大难题，所以我们提出了基于多维数据交叉验证的高可靠负荷异常识别修补方法。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了基于多维数据交叉验证的高可靠负荷异常识别修补方法，具备保证了操作快捷，数据准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多维数据交叉验证的高可靠负荷异常识别修补方法，其特征在于，包括以下步骤：S1、从预先存储的数据库中，根据监测区域居民年度用电量选取目标主表以及与目标主表相关的目标附表，进行数据类型分类后，生成以居民用电量为事实表的多维度数据表；S2、将多维数据表中集中的数据分为K个数量一致的样本集，取其中一个样本集作为验证集，其余样本集作为训练集，通过分类模型进行K轮交叉验证，获得K组验证集全部数据的预测结果；S3、选取步骤S1中的多数据维度中的负荷异常数据，与步骤S2中获取的预测结果进行对比；S4、在不同的负荷水平下，针对各时刻负荷值的随机分布情况，基于中心极限定理和负荷值相对于聚类中心负荷偏差的四分位差，构建异常负荷数据域；S5、利用步骤S4中所构建的负荷异常数据域，对正常负荷时段中可能存在的异常负荷值进行识别；S6、结合步骤S4中所形成的异常负荷数据域，利用异常负荷数据域最大上限和最小下限构建用于识别异常负荷时段中负异常负荷值的异常负荷数据域，对异常负荷时段进行负荷异常值识别。2.根据权利要求1所述的基于多维数据交叉验证的高可靠负荷异常识别修补方法，其特征在于，所述步骤S1中：目标主表为近一年每月的月度平均负荷趋势，及和去年的同期月度负荷进行对比分析表目标附表为负荷异常月份标注表；负荷异常居民本月及上月的电量、去年本月的电量进行对比分析表；负荷异常居民投诉月份，每天的用电量变化及气温变化的相关性分析表；同小区居民负荷异常月份内，日电量变化及趋势分析表。3.根据权利要求2所述的基于多维数据交叉验证的高可靠负荷异常识别修补方法，其特征在于，所述步骤S2中，获取K组验证集全部数据的预测结果的方式是：将K个数量一致的样本集随机分为验证集和训练集，取其中一个样本集作为验证集，其余样本集作为训练集，得到K组不同的训练组合，其中，K为正整数；计算每个训练组合中所...

【专利技术属性】
技术研发人员：杨军，庄文德，袁昊，王武，胡如乐，张伟，代庆，张育辉，曹旭，詹卫许，李晖，张乐平，郑楷洪，李胜，曾璐琨，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：