[发明专利]一种电力负荷历史数据自适应压缩方法和系统

权利要求书

1.一种电力负荷历史数据自适应压缩方法，依据电力负荷数据的平均变化量与失真度结合的双重标准对数据进行压缩，其特征是，它包括以下步骤：

1)定义系统初始值：为了体现系统的智能化，初始化值根据历史数据经验值给定，亦可由用户自行调整，

定义k为监测点数；T_a为原始样本的采样周期，T_s为初始采样周期，T_d为采样周期改变步长，T_max为采样周期的最大值，要求T_s、T_d和T_max是T_a的整数倍；δ为采样周期变化集，集合内部元素为T′_i，i＝1，2，...，r；为一段时间内电力负荷值的平均变化量，ΔY_min和ΔY_max分别是平均变化量允许的最小值和平均变化量允许的最大值；D为失真度，D_max为失真度允许的最大值；S(v_s)为历史数据集，S₁(v_s)为压缩数据集；

2)设t_n是电力负荷值与时间组成的数据对，其中n＝0，1，2，...，是t_n时刻的电力负荷值，首先从历史数据集S(v_s)取第一个数据对t₀输入到压缩数据集S₁(v_s)中；

3)计算一段时间内电力负荷值的平均变化量

以T_s为采样周期，计算每个采样点一段时间内电力负荷值的平均变化量，用表示，计算为公式(1)：

式中为t_n时刻的电力负荷值；

4)自适应采样

每一步都必须判断是否在[ΔY_min，ΔY_max]内，如果是，将采样到的数据对t_n输入到压缩数据集S₁(v_s)中，重复步骤3)保持原有采样周期继续采样，直到所有电力负荷数据压缩完成，进入步骤6)；否则，进入步骤5)，结合失真度调整采样周期；

5)调整采样周期

为了更准确的保留原始数据的特征，结合失真度计算最佳采样周期，调整采样周期原则是：若则减小采样周期，进入步骤(a)；若则增大采样周期，进入步骤(b)，

(a)减小采样周期，具体步骤如下：

①设置初始点和保存当前采样周期值

因不满足当前采样条件，故应从它的上一时刻t_n-1开始调整采样周期，为方便叙述，设X₀为的电力负荷值，X₀对应的时间为T₀，设T_n为采样周期保存值，并保存当前采样周期T_s的值到T_n中；

②计算预调整采样周期的失真度

设m是T_s周期内原始样本的个数，计算为公式(2)：

设X₁，X₂，...，X_m是以X₀为初始点的T_s周期内的原始样本值，对应时间分别是T₁，T₂，...，T_m，同时设X′₁，X′₂，...，X′_m-1为按T_s采样周期拟采样的估计值，对应时间分别是T₁，T₂，...，T_m-1，

i.计算拟采样的估计值，为公式(3)：

ii.计算数据的失真度，为公式(4)：

D＝|X₁-X′₁|+|X₂-X′₂|+…+|X_m-1-X′_m-1| (4)

若失真度D∈[0，D_max)，保持当前采样周期T_s的值不变，存入采样周期变化集δ，将数据X_m和对应的时间输入到压缩数据集S₁(v_s)，进入步骤(a)的④；否则，进入步骤(a)的③，调整采样周期T_s，

③调整采样周期T_s

根据采样周期改变步长T_d来减小采样周期，为公式(5)：

T_s＝T_s-T_d (5)

这时若T_s＞T_d，则保持X₀不变，重复步骤(a)的②；若T_s≤T_d，说明此时采样周期已经很小，应停止调整，返回上一采样周期，为公式(6)：

T_s＝T_s+T_d (6)

将T_s存入采样周期变化集δ，数据X_m和对应的时间输入到压缩数据集S₁(v_s)，因此时数据变化剧烈且失真度较大，标记X_m为异常值，然后进入步骤(a)的④，

④构建采样周期变化集

数据失真度更能反映出负荷数据的特征，纵使不在ΔY_min和ΔY_max之间，但数据失真度D∈[0，D_max)，系统仍应正常采样，所以要先判断新进入的采样周期T_s与初始进入时的采样周期值T_n是否相等，若相等，重复步骤3)，并保持原有采样周期继续采样；否则，把X_m作为X₀，并计算新的T_s，为公式(7)：

其中r为δ中元素的个数，如果此时T_s＝0，循环结束，进入步骤(a)的⑤；否则，重复步骤(a)的②，

⑤最佳采样周期选取

根据电力负荷数据本身具有相似性的特点，在采样周期变化集δ中取众数作为采样周期，当采样周期变化集δ中众数不唯一时，取各众数平均值作为采样周期，若采样周期变化集δ中无众数时，取δ中所有数据的平均值作为采样周期，对采样周期进行修正保证为T_a的整数倍作为最佳采样周期T_s，为方便下次循环，清空采样周期变化集δ，重复步骤3)继续下个周期采样；

(b)增大采样周期，具体步骤如下：

①设置初始点和保存当前采样周期值

因不满足当前采样条件，故应从它的上一时刻t_n-1开始调整采样周期，为方便叙述，设X₀为的电力负荷值，X₀对应的时间为T₀，设T_n为采样周期保存值，并保存当前采样周期T_s的值到T_n中；

②计算预调整采样周期的失真度

设m是T_s周期内原始样本的个数，计算为公式(2)：

设X₁，X₂，...，X_m是以X₀为初始点的T_s周期内的原始样本值，对应时间分别是T₁，T₂，...，T_m，同时设X′₁，X′₂，...，X′_m-1为按T_s采样周期拟采样的估计值，对应时间分别是T₁，T₂，...，T_m-1，

i.计算拟采样的估计值，为公式(3)：

ii.计算数据的失真度，为公式(4)：

D＝|X₁-X′₁|+|X₂-X′₂|+…+|X_m-1-X′_m-1| (4)

若失真度D≥D_max，并且T_s的值与T_n相等，说明此时虽然数据变化平缓，但失真度超出范围，不应再增大采样周期，将当前T_s的值存入采样周期变化集δ，进入步骤(b)的④；若失真度D≥D_max，并且T_s的值与T_n不相等，说明此时已超出最大失真度，不应再加大采样周期，返回上一采样周期，为公式(5)：

T_s＝T_s-T_d (5)

将T_s存入采样周期变化集δ，进入步骤(b)的④；否则，说明失真度D∈[0，D_max)，继续调整采样周期，进入步骤(b)的③，

③调整采样周期T_s

根据采样周期改变步长T_d来增大采样周期，为公式(6)：

T_s＝T_s+T_d (6)

这时若T_s≥T_max，则把T_max当做新的T_s存入采样周期变化集δ，进入步骤(b)的④；否则，保持X₀不变，重复步骤(b)的②，

④更新最佳采样周期

以为起点，T_s为最佳采样周期，采样新的数据对t_n输入到压缩数据集S₁(v_s)中，重复步骤3)；

6)异常数据修正

采用拉格朗日插值法对异常数据进行修正，从压缩数据集S₁(v_s)中取出第一个被标记的数据从历史数据集中取出前后的五个数，前后不足5个数据的，取仅有的数据，为方便叙述，设为Z₀，Z₁，Z₂，...，Z_p，...，Z_q，对应时间分别是T₀，T₁，T₂，...，T_p，...，T_q，利用公式(8)和公式(9)进行插值处理

式中：T为异常数据所对应的时间，T_p为正常数据Z_p的时间，l_p(T)为插值基函数，L(T)为异常数据的插值结果，用修正后的数据L(T)替换压缩数据集S₁(v_s)中的重复步骤6)对全部标记的数据进行插补，直到异常数据全部修正完成为止。