【技術實現步驟摘要】
本專利技術涉及電力系統，具體涉及一種電力負荷數據缺失值修復方法、裝置及存儲介質。
技術介紹
1、隨著社會經濟的快速發展和科技的不斷進步，電力系統作為現代社會的基礎設施，其穩定性和高效性對經濟社會的正常運行至關重要；電力負荷數據作為電力系統運行的核心數據之一，其準確性直接影響到電力系統的調度、預測和優化；然而，在實際的電力系統中，由于各種不可預測的因素，如設備故障、數據傳輸錯誤、環境干擾等，電力負荷數據常常會出現缺失值，這對電力負荷的預測和電力系統的優化帶來了巨大的挑戰。
2、現有的電力負荷數據缺失值修復技術主要包括簡單的插值法、統計方法和機器學習方法，簡單插值法雖然計算簡單，但往往無法準確捕捉數據的波動性和隨機性，特別是在數據缺失較為嚴重的情況下，其修復效果較差；統計方法雖然能夠提供一定的數據分布特征，但在處理具有復雜模式的電力負荷數據時，其預測能力有限；機器學習方法，如神經網絡和支持向量機等，雖然在某些情況下能夠提供較高的修復精度，但它們通常需要大量的訓練數據和較長的訓練時間，且模型的泛化能力受限于訓練數據的質量和多樣性，此外，現有的技術在處理大規模數據集時，往往面臨計算資源和時間成本的挑戰。
技術實現思路
1、有鑒于此，本專利技術的目的在于提供一種電力負荷數據缺失值修復方法、裝置及存儲介質，以解決現有技術中，簡單插值法在數據缺失較為嚴重的情況下，其修復效果較差，統計方法在處理具有復雜模式的電力負荷數據時其預測能力有限，以及機器學習方法在處理大規模數據集時，計算資源和
2、根據本專利技術實施例的第一方面，提供一種電力負荷數據缺失值修復方法，所述方法包括：
3、獲取某地區的歷史電力負荷數據，對所述歷史電力負荷數據按照時間順序進行排列，構造含缺失值的數據集；
4、對所述含缺失值的數據集按照缺失數據長度進行分類；
5、根據分類結果采取對應的修復方法獲取缺失值；
6、將所述缺失值填充到含缺失值的數據集相應的缺失位置，得到修復后的電力負荷數據；
7、對所述修復后的電力負荷數據進行準確性驗證，若準確性驗證通過，完成所述含缺失值的數據集的修復。
8、優選地，
9、所述對所述含缺失值的數據集按照缺失數據長度進行分類包括：
10、將所述含缺失值的數據集的缺失值標為1，非缺失值標為0，生成一個二進制矩陣或序列；
11、使用k-means聚類算法，對所述二進制矩陣或序列進行最大連續缺失長度特征提取；
12、根據所述最大連續缺失長度特征將所述含缺失值的數據集分為間隔缺失數據集、連續少量缺失數據集或連續大量缺失數據集。
13、優選地，
14、所述根據所述最大連續缺失長度特征將所述含缺失值的數據集分為間隔缺失數據集、連續少量缺失數據集或連續大量缺失數據集包括：
15、若所述最大連續缺失長度特征在1-a之間，則所述含缺失值的數據集為間隔缺失數據集；
16、若所述最大連續缺失長度特征在b-c之間，則所述含缺失值的數據集為連續少量缺失數據集；其中，b減去a為1；
17、若所述最大連續缺失長度特征在d-e之間，則所述含缺失值的數據集為連續大量缺失數據集；其中，d減去c為1。
18、優選地，
19、所述根據分類結果采取對應的修復方法獲取缺失值包括：
20、若所述含缺失值的數據集的分類結果為間隔缺失數據集，則采取牛頓插值法獲取缺失值；
21、若所述含缺失值的數據集的分類結果為連續少量缺失數據集，則采取馬爾可夫鏈獲取缺失值；
22、若所述含缺失值的數據集的分類結果為連續大量缺失數據集，則采取臨近數據填補法獲取缺失值。
23、優選地，
24、所述采取牛頓插值法獲取缺失值包括：
25、獲取缺失值前兩個電力負荷數據以及對應的時間序列，獲取缺失值后兩個電力負荷數據以及對應的時間序列；
26、獲取缺失值的時間序列關于缺失值前后兩個電力負荷數據對應的時間序列的三階差商；
27、根據所述缺失值前兩個電力負荷數據以及對應的時間序列、缺失值后兩個電力負荷數據以及對應的時間序列、缺失值對應的時間序列以及缺失值的時間序列關于缺失值前后兩個電力負荷數據對應的時間序列的三階差商獲取缺失值。
28、優選地，
29、所述采取馬爾可夫鏈獲取缺失值包括：
30、將所述含缺失值的數據集分為不同的狀態，每一個狀態表示數據可能的取值或區間；
31、獲取某時刻含缺失值的數據集的狀態轉移到另一時刻所對應的狀態的概率；
32、使用遞推公式獲取含缺失值的數據集在缺失值所對應的時刻的狀態分布，基于狀態分布矩陣的概率分布情況，選取概率最高者作為缺失值所對應的時刻的數據估計值，得到第一層馬爾科夫鏈結果；
33、利用當前含缺失值的數據集的狀態和含缺失值的數據集在缺失時刻前后時刻的狀態的概率轉移關系來進行數據插補，得到第二層馬爾科夫鏈結果；
34、將第一層馬爾科夫鏈結果以及第二層馬爾科夫鏈結果進行加權平均，并通過粒子群優化算法進行加權參數優化，得到缺失值。
35、優選地，
36、所述采取臨近數據填補法獲取缺失值包括：
37、獲取含缺失值的數據集同時期的臨近電力系統負荷數據以及不同時期同一電力系統的相似日負荷數據；
38、將同時期的臨近電力系統負荷數據以及不同時期同一電力系統的相似日負荷數據表示為數據集；
39、對該數據集通過主成分分析法進行降維，獲取降維后的數據集中同時期的臨近電力系統負荷數據以及不同時期同一電力系統的相似日負荷數據的相似度；
40、選取相似度最高的數據集在缺失值對應時刻的數據作為缺失值。
41、優選地，
42、所述對所述修復后的電力負荷數據進行準確性驗證，若準確性驗證通過，完成所述含缺失值的數據集的修復包括：
43、根據所述修復后的電力負荷數據以及實際的歷史電力負荷數據進行平均絕對百分比誤差的獲取；
44、若平均絕對百分比誤差小于預設的誤差標準，則準確性驗證通過；反之，準確性驗證不通過。
45、根據本專利技術實施例的第二方面，提供一種電力負荷數據缺失值修復裝置，所述裝置包括：
46、缺失數據集構造模塊：用于獲取某地區的歷史電力負荷數據，對所述歷史電力負荷數據按照時間順序進行排列，構造含缺失值的數據集；
47、分類模塊：用于對所述含缺失值的數據集按照缺失數據長度進行分類；
48、缺失值獲取模塊：用于根據分類結果采取對應的修復方法獲取缺失值；
49、修復模塊：用于將所述缺失值填充到含缺失值的數據集相應的缺失位置，得到修復后的電力負荷數據；
50、驗證模塊：用于對所述修復后的電力負荷數據進行準確性驗證本文檔來自技高網...
【技術保護點】
1.一種電力負荷數據缺失值修復方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，
4.根據權利要求3所述的方法，其特征在于，
5.根據權利要求4所述的方法，其特征在于，
6.根據權利要求4所述的方法，其特征在于，
7.根據權利要求6所述的方法，其特征在于，
8.權利要求1所述的方法，其特征在于，
9.一種電力負荷數據缺失值修復裝置，其特征在于，所述裝置包括：
10.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被主控器執行時，實現如權利要求1-8任一項所述的一種電力負荷數據缺失值修復方法中的各個步驟。
【技術特征摘要】
1.一種電力負荷數據缺失值修復方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，
4.根據權利要求3所述的方法，其特征在于，
5.根據權利要求4所述的方法，其特征在于，
6.根據權利要求4所述的方法，其特征在于，
【專利技術屬性】
技術研發人員：張國恒，韓為宏，劉志棟，和建軍，蘇榮，王兆偉，周登鈺，潘生雄，聶峰遠，尉晶波，高建安，崇尚燕，高中堂，張興存，徐鴿，范路，歐星良，王彩秀，吳鳳娟，趙瑞花，
申請(專利權)人：國網甘肅省電力公司武威供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。