[发明专利]一种单相谐波数据丢失的修复方法及系统

说明书

本发明涉及一种单相谐波数据丢失的修复方法，包括以下步骤：S1:构建基于谱图理论的谐波数据修复模型；S2:建立图拉普拉斯矩阵，并基于图拉普拉斯矩阵简化谐波数据修复模型；S3:利用合并K均值聚类算法对发生数据丢失的关注节点的先验信息进行聚类，建立图信号阈值向量，并进一步建立关注节点先验信息模型；S4:初始Bregman迭代算法化参数，求解谐波数据修复模型，得到未知图信号S_unknown；S5:通过领域平均法将合并K均值算法的阈值向量和未知图信号S_unknown联系起来，完成谐波数据的修复。本发明减少了不同相位测量单元之间的数据依赖性，并且不需要相位测量单元的优化策略，能够快速有效的回复丢失数数据，提高数据回复效率。

技术领域

本发明涉及电能质量数据修复领域，，具体涉及一种单相谐波数据丢失的修复方法及系统。

背景技术

随着5G网络、人工智能、边缘计算等高科技技术的快速发展和成熟，泛在动力物联网的建设已被提上日程。在这个架构中，充分感知大数据的感知层，是整个系统情况和状态识别的基础。

现在，电力系统有各种各样的数据采集和监测控制系统，这些系统都是基于变电站、输电线路和电力使用等相关数据。其中，电网的谐波测量数据是掌握谐波规律、实现谐波治理、提高电能质量的关键。然而，由于各种原因，包括通信拥堵和测量单元故障，数据丢失和数据质量下降的情况很普遍。这些缺失的数据会大大影响事件后分析或干扰识别等应用的准确性。

近些年来，国内外的数据修复方法，主要分为两大类别，基于低秩矩阵修复的数据修复方法和基于深度学习的数据修复方法。现有的矩阵修复算法主要有核正则化矩阵逼近，奇异值投影和最大边际矩阵分解。该类方法依赖实际线路参数，恢复的准确性有可能受到拓扑信息的影响。基于深度学习的数据修复方法需要考虑不同相量测量单元之间的数据相关性，需要对相位测量单元进行优化以达到所需的精度水平，这意味着大量的经济费用。并且，该类方法只能在一个固定的时间窗口内同时填补数据或纠正错误，限制了应用场景。

发明内容

有鉴于此，本发明的目的在于提供一种单相谐波数据丢失的修复方法及系统，以解决上述问题。

为实现上述目的，本发明采用如下技术方案：

一种单相谐波数据丢失的修复方法，包括以下步骤：

S1:构建基于谱图理论的谐波数据修复模型；

S2:建立图拉普拉斯矩阵，并基于图拉普拉斯矩阵简化谐波数据修复模型；

S3:利用合并K均值聚类算法对发生数据丢失的关注节点的先验信息进行聚类，建立图信号阈值向量，并进一步建立关注节点先验信息模型；

S4:初始Bregman迭代算法化参数，求解谐波数据修复模型，得到未知图信号S_unknown；

S5:通过领域平均法将合并K均值算法的阈值向量和未知图信号S_unknown联系起来，完成谐波数据的修复。

进一步的，所述基于谱图理论的谐波数据修复模型，具体为：

S_known＝χS_unknown+u_s+∈

其中，S_known表示可观察到的图信号；S_unknown为通过特征向量χ控制图信号S_known的未知图信号；u_s为S_known的平均值向量；∈为服从多元高斯分布的噪声变量。

进一步的，所述S2具体为：