[发明专利]一种电能量缺失值自动处理的方法

说明书

技术领域

本发明属于电力系统电能量数据处理技术领域，尤其涉及一种电能量缺失值自动处理的方法。

背景技术

电能量数据缺失问题可以被形式化看成数据缺失值自动插补问题。目前，常见的缺失值处理方法有均值替代、回归、缺失指示变量模型等。其中，回归填补插值的方法和思路得到了许多研究者的深入和扩展。

李序颖.基于空间自回归模型的缺失值插补方法[J].数理统计与管理,2005,24(3):45-50，研究来自于区域的截面数据中缺失值的插补问题,讨论了当数据中存在空间相关时,空间自回归模型的建立以及利用其对缺失值进行插补的方法，但其研究仅考虑到空间相关的因素，而未考虑到时间相关的因素。

潘立强,李建中,骆吉洲.传感器网络中一种基于时-空相关性的缺失值估计算法[J].计算机学报，2010,33(1):1-11。研究了在无线传感器网络中感知数据的缺失问题，提出了一种线性插值方法对短时间内平稳变化的数据进行插补，但是现实中的数据大多数是非线性且不平稳的。

由于一般的线性回归假设数据误差服从高斯分布，当数据不平稳或者偏态情况严重时，预测误差变得不可控。稳健的非参数组合优化局部加权多项式拟合(lowess)回归模型可以有效地解决数据不服从正态分布的情况，lowess回归模型在地理、基因等领域都得到了许多研究者的应用。

黄喻.LOWESS方法在同位素地层学中的应用[D].成都理工大学,2007.通过研究比较参数与非参数方法的不同特点和相应优缺点，并提出应用lowess方法建立了地层厚度和同位素的拟合插值模型，并通过比较多个lowess曲线来选择最优参数，但其算法易陷入局部最优的状况。

董芳英,张帼奋.基因芯片数据标准化局部加权回归法权函数探究[J].浙江大学学报：理学版,2010,37(1):22-29.通过从误差为重尾型的t分布出发，模拟不同自由度的基因芯片数据，然后选择不同的权函数对这些数据进行lowess方法标准化，并利用残差平方和、标准化后的M和A值的相关系数及MA图作为评判标准，最终得到相关指标量与权函数的变化关系。但其研究局限于相关指标量和权函数的定性关系，没有得到定量刻画的代数关系。

因此，lowess回归模型的准确性受控于给定的窗宽和多项式的阶数。对于电能量数据缺失问题而言，由于测量点的环境的差异性，其数据分布可能完全不相同，应用同一组参数得到的结果与真实值之间可能有非常大的差距。所以，研究一个自动根据数据分布进行自动应插值的处理方法成为在线处理电能量数据需要解决的问题。

发明内容

本发明的目的为解决现有技术的上述问题，提供一种能准确预测电能量缺失值自动处理的方法，为了实现上述目的，本发明采用的技术方案如下：

一种电能量缺失值自动处理的方法，其特征在于：包括以下步骤：

步骤1：对电表计量过程中采集到的数据进行判别，识别定位缺失值在序列中的位置；

步骤2：应用组合优化局部加权多项式拟合模型对电能量缺失值进行预测。

优选地，所述步骤1的识别过程为，遍历测量点电表的历史数据，当识别到空值时将下标保存进集合T中，集合T的大小为h。

优选地，所述步骤2对电能量缺失值进行预测的过程进一步包括以下步骤：

a)、初始化迭代最大步骤f，迭代窗宽步长l；

b)、重复进行局部加权多项式拟合回归模型预测，对于每次回归，应用经验风险最小化规则判别此次的预测值和加权误差是否加入结果集S＝{(t_i,e_i)}，然后根据窗宽步长l按风险最小化规则更新窗宽d和拟合阶数p，并将中间计算值存入结果集S＝{(t_i,e_i)}；

c)、将结果集和权函数相乘，然后加和得到最终预测值；所述最终预测值满足：

r^s＝∑t_j×k_js，j＝1，2，……h，z其中，k_j是权函数，z等于结果集的数量；

所述结果集相乘的权函数满足：

k_j＝(1/e_j)/∑(1/e_j),其中，j＝1，2，…,z，z等于结果集的数量。

优选地，所述迭代最大步骤f设定为10,所述迭代终止条件为局部加权多项式拟合回归中的最后n项加权误差的差值在-0.1～+0.1内波动。

优选地，所述窗宽步长满足：