一种适用于电力监控历史数据缺失补全方法及系统技术方案

本发明专利技术公开了一种适用于电力监控历史数据缺失补全方法及系统，涉及缺失数据填补技术领域，包括：收集数据并进行预处理；将变电站母线量测数据集作为DBO‑RF算法的输入；检索数据集中的缺失值，进行缺失值索引，构造缺失数列；利用DBO算法对随机森林模型的决策树数量和最小叶子数进行优化；通过优化后的随进森林回归预测模型对电力数据集中的缺失值进行补全。采用黄金正弦算法并利用正弦函数对扰动幅度进行约束采取分段函数的形式对原始蜣螂算法进行优化，有效提高了蜣螂算法的搜索能力缩小了所谓范围。基于蜣螂算法优化随机森林模型对电力大数据进行缺失值的填补，提高数据完整性，保证数据完整性，为变电站的优化运行提供了基础。

【技术实现步骤摘要】

本专利技术涉及缺失数据填补，具体为一种适用于电力监控历史数据缺失补全方法及系统。

技术介绍

1、随着大数据时代的到来，计算机技术的快速发展，在变电站中量测数据采集、数据传输和数据存储更加便捷和快速，这也使得数据日趋复杂，数据规模不断增长，从而形成了大量有缺失、失衡、高维等复杂数据，在众多复杂数据的类型中，缺失数据是最常见的一种。在变电站量测数据中包括母线、支路的电压电流、变压器内部的气体数据，缺失值是指这些观测值在数据采集或存储过程中没有被完整记录下来的情况。缺失值的出现可能是由于变压器发生故障、数据传输错误、人为操作失误等原因引起的。缺失值会影响到变电站的量测数据的完整性和准确性，进而影响到数据分析和建模的结果。数据的缺失对数据分析具有重要影响，如何有效地处理缺失数据关系到分析的结果。因此要对海量多源数据进行快速分析，并进行数据填补这一项有意义且棘手的问题。

2、目前针对缺失数据的填补方法大多是均值填补、回归填补、冷卡填补、热卡填补等传统的缺失值填补方法，但是单一填补将缺失数据看作是确定值，再加上受到单一填补模型的限制，得到的单一填补值替代缺本文档来自技高网...

【技术保护点】

1.一种适用于电力监控历史数据缺失补全方法，其特征在于，包括：

2.如权利要求1所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述数据包括变电站的母线电压、电流实际量测数据；

3.如权利要求2所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述利用DBO算法对随机森林模型的决策树数量和最小叶子数进行优化是将随机森林模型的决策树个数和最小叶子数作为DBO优化算法的目标函数，并根据目标函数计算其适应度值，将目标函数进行最小化求解；

4.如权利要求3所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述利用DBO算法对随机森林模...

【技术特征摘要】

1.一种适用于电力监控历史数据缺失补全方法，其特征在于，包括：

2.如权利要求1所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述数据包括变电站的母线电压、电流实际量测数据；

3.如权利要求2所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述利用dbo算法对随机森林模型的决策树数量和最小叶子数进行优化是将随机森林模型的决策树个数和最小叶子数作为dbo优化算法的目标函数，并根据目标函数计算其适应度值，将目标函数进行最小化求解；

4.如权利要求3所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述利用dbo算法对随机森林模型的决策树数量和最小叶子数进行优化还包括使用蜣螂算法，通过模拟蜣螂更新的位置，为电力数据集选择电力数据集的分裂特征数和样本类型，基于蜣螂算法为随机森林模型选择目标最小叶子数和决策树个数，并根据目标函数计算适应度值。

5.如权利要求4所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：所述利用dbo算法对随机森林模型的决策树数量和最小叶子数进行优化还包括利用黄金正弦算法通过遍历正弦函数的所有值缩小解空间的范围，加入自适应权重构建滚球算法进一步优化随机森林模型中的最小叶子数和决策树个数，表达式为；

6.如权利要求5所述的一种适用于电力监控历史数据缺失补全方法，其特征在于：计算迭代更新中的dbo种群适应度值，将更新后的dbo种群位置和最小种群适应度值调整决策树个数和最小叶子数，若迭代中的dbo种群适应度值小于上一轮迭代中保存的dbo种群适应度...

【专利技术属性】
技术研发人员：郭耀松，刘超，王瑞，杨思捷，岑红星，刘家国，孙世明，盛振明，马洁，周立秋，邰淳亮，薛世阳，张昊，彭仲涛，焦坤，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：