买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网黑龙江省电力有限公司哈尔滨供电公司;国家电网有限公司;东北电力大学

摘要：本发明公开了一种基于变分自编码器的智能电表数据填补方法，具体按照以下步骤实施：以智能电表中获取的历史日负荷数据集为聚类样本进行聚类分析，得到具有不同用电特征的类型日即聚类结果；以聚类结果所含日期中的历史负荷数据为输入，生成基于VAE的海量日负荷曲线；建立离散曲线相似性的数学模型，通过与每个聚类中心比较选取与缺失数据日相似度最高的组，在相似度最高的组中找出十条与缺失数据日负荷曲线形状相似的曲线作为历史日负荷曲线；通过改进的加权平均法处理相似历史日负荷曲线对应的数据，得到对应缺失数据预测值，实现缺失日智能电表负荷数据填补。能够通过历史负荷数据精确填补缺失数据。

主权项：1.一种基于变分自编码器的智能电表数据填补方法，其特征在于，具体按照以下步骤实施：步骤1、以智能电表中获取的历史日负荷数据集为聚类样本进行聚类分析，得到具有不同用电特征的类型日即聚类结果；步骤2、以聚类结果所含日期中的历史负荷数据为输入，生成基于VAE的海量日负荷曲线；步骤3、建立离散曲线相似性的数学模型，通过与每个聚类中心比较选取与缺失数据日相似度最高的组，在相似度最高的组中找出十条与缺失数据日负荷曲线形状相似的曲线作为历史日负荷曲线；所述离散曲线相似性的数学模型具体为离散Fréchet距离模型；具体过程为：步骤3.1、建立离散Fréchet距离模型；步骤3.2、将数据缺失日负荷曲线作为基准曲线，分别找出基准曲线和基于VAE的海量日负荷曲线的至高点与至低点，将它们表示成A＝a1,...,am,B＝b1,...,bn，其中，a1,...,am是基准曲线的m个至高点或至低点，b1,...,bn是基于VAE的海量日负荷曲线的n个至高点或至低点，且m≤n，若n-m2则认为它们不相似，否则执行下一步；步骤3.3、以峰值点少的曲线为基准，将峰值点多的曲线划分成m步，划分时保证同一时刻的曲线A和曲线B的峰值相互对应，即ai只能对应空或者与bi-1，bi，bi+1，之中的某个峰值点对应，假设有K种划分，每一种划分Wj＝{Ai，Bi}，其中，1≤i≤m，1≤j≤k；步骤3.4、在每一种划分中，先计算出每一步中所有对应点之间的最大距离，再求出这种划分的所有步中的最大距离中的最大值；步骤3.5、找出所有划分中的距离的最小值，则为基准曲线和基于VAE的海量日负荷曲线之间的离散Fréchet距离；步骤3.6、分别得到至高点和至低点的最小离散Fréchet距离，让两个最小距离相减，如果结果的绝对值小于一个特定的阈值ε，则两条曲线相似，找出十条与缺失数据日负荷曲线形状相似的曲线作为历史日负荷曲线；步骤4、通过改进的加权平均法处理相似历史日负荷曲线对应的数据，得到对应缺失数据预测值，实现缺失日智能电表负荷数据填补；所述改进的加权平均法公式为： 其中，n为合成负荷数据数，Qi为权重，由第i个历史负荷数据相似度决定；权重Qi的计算过程为：将十条与缺失数据日负荷曲线形状相似的曲线上的数据根据同一时间对应的数据进行相加平均，得到平均数据计算得出需要加权平均处理的数据与对应的平均数据m之间的相对距离Dj，根据各数据的相对距离Dj，求出各数据的支持度Supj，将同一时刻对应的历史日负荷曲线上各数据的支持度进行归一化处理，得出每个数据的可信度权值sj，对可信度权值进行修正，得到最终用于加权平均的权值Qj：

全文数据：

权利要求：

百度查询： 国网黑龙江省电力有限公司哈尔滨供电公司 国家电网有限公司 东北电力大学 一种基于变分自编码器的智能电表数据填补方法