[发明专利]一种基于变分自编码器的智能电表数据填补方法

权利要求书

1.一种基于变分自编码器的智能电表数据填补方法，其特征在于，具体按照以下步骤实施：

步骤1、以智能电表中获取的历史日负荷数据集为聚类样本进行聚类分析，得到具有不同用电特征的类型日即聚类结果；

步骤2、以聚类结果所含日期中的历史负荷数据为输入，生成基于VAE的海量日负荷曲线；

步骤3、建立离散曲线相似性的数学模型，通过与每个聚类中心比较选取与缺失数据日相似度最高的组，在相似度最高的组中找出十条与缺失数据日负荷曲线形状相似的曲线作为历史日负荷曲线；

步骤4、通过改进的加权平均法处理相似历史日负荷曲线对应的数据，得到对应缺失数据预测值，实现缺失日智能电表负荷数据填补。

2.根据权利要求1所述一种基于变分自编码器的智能电表数据填补方法，其特征在于，步骤1具体过程为：

步骤1.1、从历史日负荷数据集中选取n个样本数据，从n个样本数据中随机选择其中的多个数据作为初始聚类中心对象；

步骤1.2、分别计算n个样本数据中每个对象与每个中心对象的距离，并根据最小距离把n个样本数据中每个对象划分到不同的组；

步骤1.3、得到分组后，计算聚类数，进而获得新的聚类中心对象；

步骤1.4、循环步骤1.2和步骤1.3的操作，直到中心对象不再发生变化或者差值在要求的范围内为止。

3.根据权利要求1所述一种基于变分自编码器的智能电表数据填补方法，其特征在于，步骤1.3中所述计算聚类数过程为：采用轮廓系数作为选定最优聚类数评估标准；每个用户样本的轮廓系数SC表示为：

SC＝(b-a)/max{b,a}

其中，b为该样本与其他组内样本间最小平均距离，a为该样本与该样本所在组内样本平均距离，max{b,a}为a与b的最大值；

将求得的轮廓系数作为聚类数。

4.根据权利要求1所述一种基于变分自编码器的智能电表数据填补方法，其特征在于，步骤2具体过程为：

步骤2.1、采用变分自编码器，定义生成网络为p_θ(x|z)，识别网络为q_φ(z|x)，以聚类结果所含日期中的历史负荷数据为输入，构建基于数据驱动的VAE场景生成模型；

步骤2.2、将聚类结果所含日期中的历史负荷数据为输入输入基于数据驱动的VAE场景生成模型，生成基于VAE的海量日负荷曲线。