配电网量测数据修复方法及装置与流程
- 国知局
- 2024-11-21 11:51:05
本发明涉及配电网量测数据处理,更具体地涉及一种配电网量测数据修复方法及装置。
背景技术:
1、随着电力系统规模不断增大,电力系统量测数据呈现快速增长趋势,然而海量数据的采集、测量、传输和存储等过程均可能出现量测数据缺失问题,尤其是配电网量测数据的质量和缺失情况相对输电网更差,不解决将严重影响配电网的可观测性并威胁电网安全。
2、配电网量测数据通常存在时段缺失的问题,即通常缺失多时刻的量测数据。但是,传统的量测数据修复方法主要针对单时刻的量测数据进行修复,在修复多时刻的量测数据时存在误差累积问题,因此利用传统的量测数据修复方法修复缺失率较高的配电网量测数据时,修复精度较低。
技术实现思路
1、鉴于上述问题,本发明提供了提高修复精度的配电网量测数据修复方法及装置。
2、根据本发明的第一个方面,提供了一种配电网量测数据修复方法,包括:基于不同的多个序列时间步长,从历史数据集合中确定与缺失量测数据相匹配的多个历史配电网量测数据序列;基于历史配电网量测数据序列和与历史配电网量测数据序列相匹配的参考数据序列,生成修复向量;基于修复向量和降维后修复向量,得到多个目标修复向量,其中,降维后修复向量是通过对待降维的修复向量进行降维得到的,待降维的修复向量是从多个修复向量中确定的;将多个目标修复向量分别输入至修复模型中,得到多个修复数据;以及基于多个修复数据,得到与缺失量测数据相匹配的目标修复数据。
3、本发明的第二方面提供了一种配电网量测数据修复装置,包括:历史确定模块,用于基于不同的多个序列时间步长,从历史数据集合中确定与缺失量测数据相匹配的多个历史配电网量测数据序列;向量生成模块,用于基于历史配电网量测数据序列和与历史配电网量测数据序列相匹配的参考数据序列,生成修复向量;向量降维模块,用于基于修复向量和降维后修复向量,得到多个目标修复向量,其中,降维后修复向量是通过对待降维的修复向量进行降维得到的,待降维的修复向量是从多个修复向量中确定的;修复输入模块,用于将多个目标修复向量分别输入至修复模型中,得到多个修复数据;以及修复生成模块,用于基于多个修复数据,得到与缺失量测数据相匹配的目标修复数据。
4、根据本发明的实施例,利用不同的多个序列时间步长,从历史数据集合中确定多个历史配电网量测数据序列,提高用于预测的修复向量的丰富性,同时通过结合参考数据序列,进一步提高用于预测的修复向量的丰富性,并且通过对修复向量进行降维处理,保证修复向量丰富性的同时,简化修复向量的维度,提高处理效率。此外,对多个修复数据进行融合得到目标修复数据,提高修复精度的同时,提高处理效率。
技术特征:1.一种配电网量测数据修复方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述历史配电网量测数据序列和与所述历史配电网量测数据相匹配的参考数据序列,生成修复向量,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述历史配电网量测数据序列的序列时间步长,确定与时间相关的参考数据序列,包括:
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述将多个所述目标修复向量分别输入至修复模型中,得到多个修复数据,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于多个所述修复数据,得到与所述缺失量测数据相匹配的目标修复数据,包括:
7.根据权利要求5或6所述的方法,其特征在于,所述方法还包括:
8.根据权利要求5所述的方法,其特征在于,与所述目标修复向量相匹配的所述修复模型是通过如下训练方法训练得到的:
9.根据权利要求1所述的方法,其特征在于,所述基于不同的多个序列时间步长,从历史数据集合中确定与缺失量测数据相匹配的多个历史配电网量测数据序列,包括:
10.一种配电网量测数据修复装置,其特征在于,所述装置包括:
技术总结本发明提供了一种配电网量测数据修复方法及装置,可以应用于配电网量测数据处理技术领域。该配电网量测数据修复方法包括:基于不同的多个序列时间步长,从历史数据集合中确定与缺失量测数据相匹配的多个历史配电网量测数据序列;基于历史配电网量测数据序列和与历史配电网量测数据序列相匹配的参考数据序列,生成修复向量;基于修复向量和降维后修复向量,得到多个目标修复向量,其中,降维后修复向量是通过对待降维的修复向量进行降维得到的;将多个目标修复向量分别输入至修复模型中,得到多个修复数据;以及基于多个修复数据,得到与缺失量测数据相匹配的目标修复数据。技术研发人员:郭凌旭,郑骁麟,王天昊,马士乾,李振斌,张杰,于光耀,刘雪飞,宋海涛,黄志刚,张思涵,孙峤,陆涛,宋兴旺,于天一,张渭澎受保护的技术使用者:国网天津市电力公司电力科学研究院技术研发日:技术公布日:2024/11/18本文地址:https://www.jishuxx.com/zhuanli/20241120/333014.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。