[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

说明书

本发明公开了一种基于变分自编码器的智能电表数据填补方法，具体按照以下步骤实施：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；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；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；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。能够通过历史负荷数据精确填补缺失数据。

技术领域

本发明属于电气数据监测技术领域，具体涉及一种基于变分自编码器的智能电表数据填补方法。

背景技术

大量智能电表的部署和应用，使得电力公司能获取高频率、广覆盖且时标一致的配电网末端的实测数据。然而用户用电负荷数据的观测值受到各种因素的影响，在采集和传输中可能会出现缺失。这些数据的缺失对正确的建立负荷模型，挖掘智能电表数据内在关联和深层价值，为电力公司的商业运营、电网规划和运行维护等提供决策支持有很大的负面影响。因此在对智能电表数据进行分析前需要将这些缺失负荷数据有效的辨识出来并且进行相应的修正。

目前在智能电表缺失数据填补方面的研究较少，因此，需要提供一种或多种至少能够解决上述技术问题的技术方案。利用变分自编码器生成海量场景，通过加权平均算法填补智能电表缺失数据是目前文献中没有的。需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的是提供一种基于变分自编码器的智能电表数据填补方法，能够通过历史负荷数据精确填补缺失数据。

本发明采用的技术方案是，一种基于变分自编码器的智能电表数据填补方法，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。

本发明的特点还在于：

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。

步骤1.3中计算聚类数过程为：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。

步骤2具体过程为：