[发明专利]一种基于多参量物联融合技术的电量缺失值填补方法

权利要求书

1.一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，包括以下步骤：

S1：搭建多参量物联融合框架，收集与电量相关的已知属性数据；

S2：获取电量数据；

S3：分别对已知属性数据和电量数据进行降噪处理，然后计算各已知属性数据与电量数据的相关系数值,筛选出相关系数值大于阈值的已知属性数据进行后续步骤，其余已知属性数据不参与后续步骤；

S4：对筛选出的各已知属性数据分别进行聚类分析，得到各已知属性数据的相似场景集合；

S5：计算各已知属性数据的权值；

S6：在相似场景中，计算电量缺失时间段的已知属性数据与其他日期相同时间段的已知属性数据之间的相似度，结合权值计算综合相似度；

S7：寻找综合相似度最高的时间段，选用该时间段的电量数据进行缺失值填补。

2.根据权利要求1所述的一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，所述步骤S1中搭建多参量物联融合框架包括以下步骤：

搭建感知层，将各类终端数据进行统一标准化接入，进行各类信息的全景、广域采集；

搭建网络层，利用现有的基础网络设施构建接入网、骨干网、业务网和支撑网，对来自感知层的信息进行接入和传输；

搭建平台层，基于云平台算法和计算资源，全面整合能源控制参量、能源运行数据、能源使用数据，将网络层传输的数据通过统一的数据中心进行实时处理；

搭建应用层，在应用层中完成相关的高级应用建设。

3.根据权利要求2所述的一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，所述步骤S3中进行降噪处理时选用经验模态分解算法，包括以下步骤：

采用经验模态分解算法对数据变量进行分解，得到若干个模态分量和一个剩余分量；

计算数据变量与其各个模态分量之间的相关系数值，选取相关系数值大于界限值的模态分量；

将选出的各模态分量与剩余分量相加得到去除噪声的数据变量。

4.根据权利要求3所述的一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，所述步骤S3中计算各已知属性与电量数据的相关系数值时采用斯皮尔曼等级相关系数计算法，计算过程如下：

降噪处理过的已知属性数据与电量数据进行斯皮尔曼等级相关系数计算，计算表达式为：

；

其中，x_i为已知属性数据，y为电量数据；为降噪处理后已知属性数据与电量数据的斯皮尔曼等级相关系数值，的取值范围为[0,1],k为数据容量,因此已知属性数据和电量数据为(x_i1,y₁)，(x_i2,y₂)，…,(x_ik,y_k)，将x_i与y之间不同时刻数据从高到低排列，依次得到等级1,2,…,k，即(x_t,y_t)变为(x_it＇,y_t＇)，等级之差A_t=x_it＇- y_t＇。

5.根据权利要求4所述的一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，所述步骤S3中的阈值大小为0.3，筛选出相关系数值大于0.3的已知属性数据进行后续步骤，其余已知属性数据不参与后续步骤。

6.根据权利要求5所述的一种基于多参量物联融合技术的电量缺失值填补方法，其特征在于，所述步骤S4包括以下步骤：

导入已知属性数据并对数据进行归一化处理；

采用Canopy聚类算法对已知属性数据分别进行粗聚类运算，得到各已知属性的最佳聚类数目L_i，i=1,2,…m，其中m为已知属性种类个数；

得到最佳聚类数目L_i后，通过经遗传算法改进的K-means算法得到第i个已知属性的聚类结果，最终得到m个不同属性的簇类集，i=1,2,…m，每一个簇类为一个相似场景。