[发明专利]一种基于时间序列的电力数据特征提取方法

说明书

本发明公开了一种基于时间序列的电力数据特征提取方法。该方法重点是如何提取电力数据中的低频分量以及如何从低频分量中提取特征。首先用平滑法将电力数据曲线中的高频分量去掉，使曲线平滑；重复该过程，直到相邻两次时间序列间的误差小于设定的阈值，此时得到的时间序列即为电力数据的特征分量；然后利用分段线性化的子序列矢量提取方式提取各段的时间长度和变化程度；上述得到的时间长度和变化程度即构成提取出的电力数据特征矢量。本发明无需设定参数R求重要点，排除了时间序列分段的主观干扰，能够有效提取出时间序列的本质特征；且提取的特征时间序列更平滑，消除高频分量和噪声的效果更好，是一种更有效，更准确的时间序列特征提取方法。

技术领域

本发明涉及一种数据特征提取方法，尤其是涉及一种基于时间序列的电力数据特征提取方法。

背景技术

电力数据是研究电力系统的重要依据，采集时间间隔越小，相同时间长度采集的数据量越大，反映的电力系统运行状态的细节越多。因此，电力数据一般具有维数高、规模大、结构复杂等特点。但在电力数据异常检测等领域，大规模的电力数据会导致检测过程中计算量增大，检测效率降低。此外，电力数据在采集过程中也会引入测量噪声，直接采用原始测量数据进行检测也会影响检测的准确性。因此，在某些研究领域，如进行电力数据异常检测时，提取电力数据的主要特征，压缩降维并去除噪声十分必要。

针对时间序列的特征提取问题，人们提出了很多模式表示法以求对时间序列进行降维处理。其中频域表示法(小波变换法和傅里叶变换法等)、奇异值分解法以及分段线性表示法等是时间序列特征提取问题中较为常用的方法。但频域表示法大多基于点距离，无法刻画时间序列的动态特征；奇异值分解法又显复杂，因此，分段线性表示法应用更为广泛。

本发明针对采集到的电力数据，基于数据的时间序列，提出了一种数据特征提取方法。

附图1反映了负荷数据特征，可以看出负荷数据由反映其特征的低频分量和反映其细节的高频分量组成。而噪声信号往往频率很高，包含在高频分量中。因此，主要反映电力负荷特征的数据为低频分量，可视为特征分量。故提取低频分量以及从低频分量中提取特征是本发明的主要内容。

对给定有限时间集T、非空状态属性集A＝{A₁,A₂,…,A_m}及其对应各值域一个长度为n的m维有限时间序列X是一个有序队列{X₁,X₂,…,X_n}，其中，X_i是一个m+1元组{t_i,a₁,a₂,…,a_m}，t_i∈T，即时间序列是由记录时间和记录值组成的有序集合。在实际应用领域，一维时间序列是最为普遍存在的，即m＝1，此时时间序列可表示为X＝{x₁,x₂,…,x_n}，其中x_i＝(t_i,r_i)表示时间序列在t_i时刻的值为r_i。

一定时间跨度(h)的时间序列X＝{x_i,x_i+1,…,x_i+h-1}提取其矢量特征h_X,l_X表示为二维数据点v_X＝(h_X,l_X)，则时间序列分为k个不同跨度的子时间序列可表示为:

时间序列矢量表示模型将一维时间序列转化为二维矢量特征序列，能够反映出时间序列的矢量特征。