[发明专利]基于压缩感知的缺失数据集下的线损预测方法有效
| 申请号： | 201910065112.8 | 申请日： | 2019-01-23 |
| 公开（公告）号： | CN109903181B | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 商学斌;罗少威;游晔;罗曦静;李煜;顾洁;金之俭 | 申请（专利权）人： | 广州供电局有限公司;上海交通大学 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06K9/62;G06N3/04;G06Q10/04 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 510620 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于压缩感知的缺失数据集下的线损预测方法，本发明提供了一种在缺失数据集下实现电网线损预测方法，包含以下步骤：根据电网历史数据中的总负荷，负荷率以及峰谷差率三项特征量，采用聚类方法对历史负荷数据的各特征量按轮廓系数最大的原则进行聚类；将各类别的历史线损数据按24个整点整理成时间序列矩阵并将线损时间序列分解为本征模态分量；选取适当的字典矩阵，对模态分量进行稀疏化变换。对变换后的稀疏矩阵进行基于压缩感知的数据补全；对修复完的矩阵进行稀疏化变换的逆变换，使其恢复时域上的完备分量序列；利用elman神经网络完成修复数据集下的线损预测。本发明能够用于电网缺失数据的补全以及电网线损的预测。 | ||
| 搜索关键词： | 基于 压缩 感知 缺失 数据 预测 方法 | ||
【主权项】：
1.一种基于压缩感知的缺失数据集下的线损预测方法，其特征在于，包含以下步骤：步骤S1：根据电网历史数据中的总负荷、负荷率、峰谷差率三项特征量，采用聚类方法对电网历史数据中的各特征量按轮廓系数最大的原则进行聚类，得到各类别的历史线损数据；步骤S2：将各类别的历史线损数据按整点进行整理，得到时间序列矩阵，将时间序列矩阵分解为本征模态分量；步骤S3：选取字典矩阵，对本征模态分量进行稀疏化变换，得到变换后的稀疏矩阵；步骤S4：对变换后的稀疏矩阵进行基于压缩感知的数据补全，得到修复完矩阵；步骤S5：对修复完矩阵进行稀疏化变换的逆变换，使修复完矩阵恢复时域上的完备的分量序列；步骤S6：基于分量序列，利用Elman神经网络完成修复数据集下的线损预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州供电局有限公司;上海交通大学，未经广州供电局有限公司;上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910065112.8/，转载请声明来源钻瓜专利网。
