[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

说明书

本发明提供一种基于多参量物联融合技术的电量缺失值填补方法，涉及电力计量技术领域，包括以下步骤：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；获取电量数据；对数据进行降噪处理，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；对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；计算各已知属性数据的权值；计算相似度，结合权值计算综合相似度；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；充分利用电量相关属性数据，提高缺失值填补的准确性。

技术领域

本发明属于电力计量技术领域，具体涉及一种基于多参量物联融合技术的电量缺失值填补方法。

背景技术

随着电力信息采集系统和高级量测体系(advanced metering infrastructure,简称AMI)的广泛应用,电量数据的智能采集已经实现全覆盖。然而实际应用中，电量数据在采集过程中难免存在频次、精度的缺乏问题，导致数据存在部分缺失值,干扰数据分析的过程，影响模型最终的识别效果。因此，如何有效填补配网侧用户数据缺失值成为一大难题。

目前常见的电量缺失值填补方法是采用默认值、均值或众数来填补缺失值，但这种方法填补的缺失值不够准确，填补误差较大，人为的增加了数据的噪声，填补效果不理想，急需一种合理有效的方法实现电量缺失值的精确填补，满足数据分析和数据应用的需要。

有鉴于此，本发明提供一种基于多参量物联融合技术的电量缺失值填补方法，以解决现有技术存在的缺陷，是非常有必要的。

发明内容

针对现有技术存在的不足，本发明提供一种基于多参量物联融合技术的电量缺失值填补方法，充分利用电量相关属性数据，选取相似度最高的电量数据进行缺失值填补，减小填补误差，提高缺失值填补的准确性。

为实现上述目的，本发明给出以下技术方案：

一种基于多参量物联融合技术的电量缺失值填补方法，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。

作为优选，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。

搭建多参量物联融合框架方便进行已知属性数据的收集。

作为优选，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；