[发明专利]一种处理用电数据缺失值的方法

说明书

本发明公开了一种处理用电数据缺失值的方法，属于电力数据处理技术领域，该处理用电数据缺失值的方法包括：步骤1:根据数据缺失情况分析用电数据的缺失类型，确定滑动窗口长度；步骤2：按照用电数据设置的步长调整上述的滑动窗口的位置；步骤3：计算该滑动窗口中的数据缺失率；步骤4：利用滑动窗口中的有效数据补全缺失值；步骤5：判断数据是否处理完毕，若未处理完毕，继续重复上述步骤2至步骤4，若处理完毕，结束整个过程。该该处理用电数据缺失值的方法合理有效地补全了部分缺失数据，为后续数据的利用提供方便。

技术领域

本发明涉及电力数据处理技术领域，尤其是涉及一种处理用电数据缺失值的方法。

背景技术

随着社会的发展和科技的创新，各行各业信息化程度越来越高，数据不再仅仅是结果的体现，而是各种系统运行状态的反映。当前各种复杂的信息系统构成了我们依赖的数字世界，面对种类多体量大的结构化、半结构化和非结构化数据，数据质量往往并不理想，存在不同程度的缺失和异常数据。一般情况下，电能用户入户电表处的负荷曲线是多个用电设备的叠加负荷，其具有局部稳定性，又具有阶段变化性，其原因主要是部分用电设备的投切和多状态用电设备的状态变化。智能电表对总负荷数据的周期性采样记录了负荷的变化信息，但在采集、存储和传输的过程中难免产生噪声和丢失数据，这将为严重影响数据的分析工作，甚至丢失数据的价值。

现有技术中用电数据缺失值处理方法有很多，根据数据的维度、数量和物理意义，以及数据的缺失情况和研究目的选择合适的处理方法，才能实现较好的数据预处理效果，基于时间序列的离散采样数据，其相邻采样点的数据差值不是过大，且其变化过程比较平缓，但目前缺少相应的方法对其进行处理，实现较好的效果。

公开号为CN 105117988 A的文献公开了一种对电力系统缺失数据进行插补的复合模型。其技术方案是，首先对来自电力系统的原始数据集进行数据分类，分为完全数据集和不完全数据集；利用得到的完全数据集产生新的不完全数据集，分别使用基于链式方程的多元插补算法和基于随机森林的插补算法对新产生的不完全数据集进行数据填充，并计算相应的填充误差；将上述算法所得的误差进行线性组合并最小化组合误差以确定各种算法的权重；最后使用上述各种算法对原始数据集进行数据插补，将各自填充的数据与相应算法的权重组合获得最终的填充值，但该文献缺少相应的项目和实例进行支撑，实际效果如何未可知，有待进一步验证。

公开号为CN 108846555 A的文献公开了电力负荷大数据缺失值的高效精确填补法，涉及电力系统负荷大数据预处理技术领域，用于有效解决远程智能终端设备从用户侧获取海量的状态参数时含有的大量的缺失值的问题。本发明通过导入一组以矩阵形式呈现的电力负荷数据，经过基本清洗，然后运用算法，利用拉依达准则以及误差阈值判别法则，通过分层数值比较，列、横向关联性分析，再结合权值模型，合理的分配权值，最终科学的找到了较好的值用来填补缺失值，但该文献未就电力数据缺失进行有效的分类，此外，还缺少相应的实例进行验证，有待进一步提高。

发明内容

有鉴于此，本发明的目的是针对现有技术的不足，提供一种处理用电数据缺失值的方法，解决上述存在的技术问题。

为达到上述目的，本发明采用以下技术方案：

一种处理用电数据缺失值的方法，包括以下步骤：

步骤1:根据数据缺失情况分析用电数据的缺失类型，确定滑动窗口长度；

步骤2：按照用电数据设置的步长调整上述的滑动窗口的位置；

步骤3：在满足滑动窗口的两端都有用电数值的前提下，计算该滑动窗口中的数据缺失率；

步骤4：在上述步骤3计算得到的数据缺失率大于阈值，则不进行缺失补全，若计算得到的数据缺失率小于阈值，则利用滑动窗口中的有效数据补全缺失值；

步骤5：判断数据是否处理完毕，若未处理完毕，继续重复上述步骤2、步骤3和步骤4，若处理完毕，结束整个过程。