[发明专利]一种基于KNN改进算法的照明插座能耗异常数据的修复方法

权利要求书

1.一种基于KNN改进算法的照明插座能耗异常数据的修复方法，其特征在于，步骤如下：

S1、计算历史数据的用电特征线斜率：针对某一类型的单位时间能耗，计算历史数据单位时间用电特征线斜率，假设一共有m条历史数据单位时间用电特征线，对于任一条历史数据单位时间用电特征线i，第j时刻与第j+1时刻的用电量分别为E_{i, j}和E_{i, j+1}，则第j时刻至第j + 1时刻内历史数据的用电特征线斜率为的计算公式为：

式(1)

其中，t_j为单位时间长度；

S2、计算异常数据所在天的单位时间用电特征线斜率：采用步骤S1同样的方法计算异常数据用电特征线斜率l_j，；

S3、搜索样本数据：基于异常数据用电特征线斜率l_j与历史数据的用电特征线斜率L_i,j的欧氏距离（相似度），从历史数据集中（m天）寻找出排序k天距离最小所在天的小时能耗数据；异常数据用电特征线斜率l_j与历史数据的用电特征线斜率L_i,j的欧氏距离p_i计算公式为：

式(2)

S4、确定加权系数：使用欧氏距离倒数与k天欧氏距离倒数和的比值作为异常数据加权求和的加权系数；加权系数公式为：

式(3)

其中，q_t为KNN算法计算出的欧氏距离最近的k天中第t天的权值，p_t为第t天的欧氏距离；

S5、修复异常数据：根据k天的样本数据以及加权系数，求得异常数据的修补数据；假设j时刻为异常数据，数据修复公式为：

式(4)

其中e_j为计算出的修补能耗数据，t_j为单位时间长度，L_n,j为k天历史数据中第n天的用电特征线在j时刻的斜率，q_n为该天对应的加权系数。