【技术实现步骤摘要】
本专利技术涉及电力大数据挖掘领域，具体涉及一种基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法、终端及介质。
技术介绍
1、智能电网的不断建设和电力消费者数量的增加导致大量的智能测量和实时监控设备被整合进电力网络，产生了巨量的数据。这些智能电网产生的庞大数据集被广泛应用于电力系统的规划、电力设备的状态评估、异常检测、故障诊断和负荷预测等方面。准确无误的测量数据是进行信息挖掘和应用的根本，然而在电力负荷数据中缺失数据是一个常见问题，在配电网和用电侧，由于配电线路复杂，用户基数庞大，在用户负荷数据的采集、传输、存储和处理过程中，可能会遭遇设备故障、传输干扰、外界环境等种种因素的干扰，这些因素可能导致负荷数据丢失或损坏，从而严重损害负荷数据的完整性。这会严重影响对用户负荷数据分析的准确性和有效性，使得基于该分析结果进行的一系列后续操作都无法准确进行，如负荷预测、状态估计、运行规划等，从而严重影响电力系统的稳定运行。因此，根据电力用户负荷特性和量测数据具有的特征关系，有效地恢复缺失负荷数据，对于确保电力系统的安全与稳定运行至关重要。p>
本文档来自技高网...
【技术保护点】
1.一种基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤1中所述的用户电力负荷时间序列数据中缺失负荷数据量占总负荷数据量的比例应小于等于40%。
3.根据权利要求1所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤1中所述的预处理具体包括如下：
4.根据权利要求3所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤2中所述的基于奇异值阈值收缩...
【技术特征摘要】
1.一种基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤1中所述的用户电力负荷时间序列数据中缺失负荷数据量占总负荷数据量的比例应小于等于40%。
3.根据权利要求1所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤1中所述的预处理具体包括如下：
4.根据权利要求3所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，步骤2中所述的基于奇异值阈值收缩的低秩负荷数据矩阵补全方法是在保持矩阵低秩性的结构特征下利用观测的用户负荷数据矩阵m对矩阵缺失负荷数据进行补全得到负荷优化矩阵的优化过程，最终得到初始完整电力负荷矩阵，该优化过程为秩函数的最小化问题：
5.根据权利要求4所述的基于低秩矩阵补全及变分模态分解的电网用户负荷数据补全方法，其特征在于，利用矩阵核范数最小化逼近矩阵的秩，将所述秩函数的最小化问题转化为：
6.根据...
【专利技术属性】
技术研发人员：许诺，林振智，余顺江，杨莉，谭伟涛，章天晗，陈昌铭，王韵楚，
申请(专利权)人：浙江大学，
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。