中国综合性科技类核心期刊(北大核心)

中国科学引文数据库来源期刊(CSCD)

美国《化学文摘》(CA)收录

美国《数学评论》(MR)收录

俄罗斯《文摘杂志》收录

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于灰度模型的电能量异常数据修复研究

黄福兴 周广山 郑宽昀 冯泽佳 袁培森

黄福兴, 周广山, 郑宽昀, 冯泽佳, 袁培森. 基于灰度模型的电能量异常数据修复研究[J]. 华东师范大学学报(自然科学版), 2020, (4): 156-163. doi: 10.3969/j.issn.1000-5641.201921016
引用本文: 黄福兴, 周广山, 郑宽昀, 冯泽佳, 袁培森. 基于灰度模型的电能量异常数据修复研究[J]. 华东师范大学学报(自然科学版), 2020, (4): 156-163. doi: 10.3969/j.issn.1000-5641.201921016
HUANG Fuxing, ZHOU Guangshan, ZHENG Kuanyun, FENG Zejia, YUAN Peisen. Research on repairing anomalous electrical energy data based on the Grey Model[J]. Journal of East China Normal University (Natural Sciences), 2020, (4): 156-163. doi: 10.3969/j.issn.1000-5641.201921016
Citation: HUANG Fuxing, ZHOU Guangshan, ZHENG Kuanyun, FENG Zejia, YUAN Peisen. Research on repairing anomalous electrical energy data based on the Grey Model[J]. Journal of East China Normal University (Natural Sciences), 2020, (4): 156-163. doi: 10.3969/j.issn.1000-5641.201921016

基于灰度模型的电能量异常数据修复研究

doi: 10.3969/j.issn.1000-5641.201921016
详细信息
    作者简介:

    黄福兴, 男, 高级工程师, 研究方向为电能量计量、用电信息采集和智能量测体系. E-mail: huangfuxing@sgepri.sgcc.com.cn

    通讯作者:

    袁培森, 男, 博士, 讲师, 研究方向为大数据处理与分析. E-mail: peiseny@163.com

  • 中图分类号: TP391

Research on repairing anomalous electrical energy data based on the Grey Model

  • 摘要: 提出了一种基于灰度模型的电能量异常数据修复方法, 以经过识别的正常历史电能量数据作为输入变量, 以异常点所处的时间节点电能量数据作为输出变量, 经过一次累加, 级比检验, 求解预测方程得到预测值, 动态地对电能量数据进行迭代预测, 最终对预测值进行精度检验, 预测的平均相对残差为2.182%, 根据结果对原始数据进行修改, 从而达到修复电能量异常数据的目的. 以某区域实际电能量数据进行模型预测修复, 并对结果以及误差进行分析, 验证了该方法的可行性.
  • 图  1  数据预测修复技术流程图

    Fig.  1  Flow chart of data prediction repair technology

    图  2  灰度模型电能量预测流程图

    Fig.  2  Flow chart for electrical energy prediction based on the Grey Model

    图  3  灰度模型向后预测10 d的PAP值

    Fig.  3  The 10-day PAP backward prediction value based on the Grey Model

    表  1  灰度模型参数设置

    Tab.  1  Parameters of the grey model

    参数说明
    d < 7灰度GM(1, 1)模型数据集大小
    t1向后预测次数
    下载: 导出CSV

    表  2  参数d对预测误差的影响

    Tab.  2  The influence of parameter d on prediction error

    预测天数/d d = 4 d = 5 d = 6 d = 7
    1 1.18% 1.11% 1.52% 2.61%
    2 0.37% 1.50% 4.21% 2.92%
    3 2.02% 0.61% 1.28% 2.11%
    4 2.66% 2.32% 2.43% 1.54%
    5 2.92% 0.52% 3.95% 3.65%
    6 4.77% 2.38% 2.52% 1.96%
    7 10.74% 8.41% 1.84% 2.68%
    8 10.70% 8.11% 1.02% 1.91%
    9 7.61% 4.28% 3.08% 2.11%
    10 11.15% 7.58% 0.91% 0.33%
    下载: 导出CSV

    表  3  预测值和误差分析

    Tab.  3  Predictive value and error analysis

    预测天数/d 真实值 预测值 相对残差/%
    1 1.487 4 1.448 6 2.61
    2 1.518 2 1.473 8 2.92
    3 1.492 2 1.460 7 2.11
    4 1.496 2 1.473 1 1.54
    5 1.524 2 1.468 5 3.65
    6 1.504 8 1.475 3 1.96
    7 1.435 9 1.474 4 2.68
    8 1.451 0 1.4787 1.91
    9 1.511 4 1.479 5 2.11
    10 1.477 8 1.482 7 0.33
    下载: 导出CSV
  • [1] 王立斌, 李振东, 姚杨, 等. 一种用电信息采集系统异常电量数据的识别与修复方法 [J]. 电力大数据, 2018, 21(3): 74-78. DOI:  CNKI:SUN:GZDJ.0.2018-03-017.
    [2] 刘凯乐, 徐建兵, 龙鹏, 等. 电力大数据的数据保密技术研究 [J]. 电力与能源, 2018, 39(2): 212-214. DOI:  CNKI:SUN:LYJI.0.2018-02-021.
    [3] 裴湉, 齐冬莲. 基于时间序列提取和维诺图的电力数据异常检测方法 [J]. 电力建设, 2017, 38(5): 105-110. DOI:  10.3969/j.issn-1000-7229-2017-05-014.
    [4] 许元斌, 钟小强, 王丹, 等. 基于MapReduce模型的电力数据并行化的异常检测 [J]. 情报探索, 2014(8): 74-78. DOI:  10.3969/j.issn.1005-8095.2014.08.020.
    [5] 夏家盛, 吉培荣. 负荷预测指数平滑法“厚近薄远”规律研究 [J]. 电力学报, 2019, 34(1): 23-29. DOI:  10.7666/d.D536711.
    [6] 刘世昌, 金敏. 多尺度分析与数据互迁移相结合的短期电力负荷预测方法 [J]. 计算机科学, 2018, 45(7): 321-327. DOI:  CNKI:SUN:JSJA.0.2018-07-053.
    [7] 汪宁渤, 丁坤, 别朝红, 等. 一种基于天气信息的光伏电站出力数据修复方法: 中国, 201610989786.3[P]. 2017-04-19.
    [8] 吕斌斌, 方勤斌, 王国帮. 分布式家庭屋顶光伏异常数据识别与修复方法 [J]. 电气传动自动化, 2018, 40(2): 1-5. DOI:  10.3969/j.issn.1005-7277.2018.02.001.
    [9] 石佳, 丁俊, 张纳川. 数据挖掘在电力电量平衡中的应用研究 [J]. 电力与能源, 2018, 39(2): 186-188. DOI:  CNKI:SUN:LYJI.0.2018-02-014.
    [10] 谭子兵, 谭爱国. 一种互感器异常数据识别及修复新方案 [J]. 湖北民族学院学报(自然科学版), 2018, 36(2): 208-213. DOI:  CNKI:SUN:HBXZ.0.2018-02-021.
    [11] 吕东, 张弛, 康小宁, 等. 智能变电站异常数据识别及恢复方法 [J]. 陕西电力, 2016, 44(7): 6-9. DOI:  10.3969/j.issn.1673-7598.2016.07.002.
    [12] 王永利, 徐宏炳, 董逸生, 等. 数据流上异常数据的在线检测与修正 [J]. 应用科学学报, 2006(3): 256-261. DOI:  10.3969/j.issn.0255-8297.2006.03.008.
    [13] 胡启安. 基于改进FCM算法的不良负荷数据辨识及修复方法 [D]. 天津: 天津大学, 2017.
    [14] 张国江, 邱家驹, 李继红. 基于人工神经网络的电力负荷坏数据辨识与调整 [J]. 中国电机工程学报, 2001(8): 105-108. DOI:  CNKI:SUN:ZGDC.0.2001-08-022.
    [15] 钟全辉, 张以全, 肖少华, 等. 基于灰色预测理论的区域电量概率预测方法及其应用 [J]. 浙江电力, 2018, 37(1): 19-22. DOI:  10.19585/j.zjdl.201801004.
    [16] 刘思峰. 灰色系统理论的产生与发展 [J]. 南京航空航天大学学报, 2004(2): 267-272. DOI:  10.3969/j.issn.1005-2615.2004.02.027.
    [17] 杨冠. 基于灰色系统理论的成绩预测分析 [J]. 数学学习与研究, 2018(5): 138-139.
    [18] YIN K, G Y, LI X M. Improved grey prediction model based on exponential grey action quantity [J]. Journal of Systems Engineering and Electronics, 2018, 29(3): 560-570. DOI:  CNKI:SUN:XTGJ.0.2018-03-014.
    [19] CHEN C. The necessary and sufficient condition for GM(1, 1) grey prediction model [J]. Applied Mathematics and Computation, 2013, 219(11): 6152-6162. DOI:  10.1016/j.amc.2012.12.015.
    [20] DAN M, JIANG Q Y, LI D Q, et al. Controlled-source electromagnetic data processing based on gray system theory and robust estimation [J]. 应用地球物理(英文版), 2017, 14(4): 570-580. DOI:  10.1007/s11770-017-0646-5.
    [21] JUNEJO M, SHAIKH A A, QURESHI A S. Modified hybrid grey model (1,1) to forecast cellular subscribers [J]. Mehran University Research Journal of Engineering & Technology, 2018, 37(2): 439-444. DOI:  10.22581/muet1982.1802.19.
    [22] 曾亮. 新时变参数灰色预测模型及其应用 [J]. 系统科学与数学, 2017, 37(1): 143-154.
    [23] 杨跃东. GM(1, 1)模型的改进及其应用 [D]. 上海: 上海师范大学, 2015.
    [24] 王英会. 高速公路交通流异常数据识别及修复方法研究 [D]. 北京: 北京交通大学, 2015.
    [25] WANG Q, LIU L, WANG S, et al. Predicting Beijing's tertiary industry with an improved grey model [J]. Applied Soft Computing, 2017, 57: 482-494. DOI:  10.1016/j.asoc.2017.04.022.
    [26] 赵大同. 利用灰色模型预测用电量和用电负荷 [J]. 华东电力, 1994(10): 26-28. DOI:  CNKI:SUN:HDDL.0.1994-10-008.
    [27] 杨保华, 方志耕, 张可. 基于级比序列的离散GM(1, 1)模型 [J]. 系统工程与电子技术, 2012, 34(4): 715-718. DOI:  10.3969/j.issn.1001-506X.2012.04.14.
    [28] MAO S, GAO M, XIAO X, et al. A novel fractional grey system model and its application [J]. Applied Mathematical Modelling, 2016, 40(7/8): 5063-5076. DOI:  10.1016/j.apm.2015.12.014.
    [29] 邓聚龙. 灰预测与灰决策 [M]. 武汉: 华中科技大学出版社, 2002: 244.
    [30] 徐宁, 党耀国. 特征自适应型GM(1, 1)模型及对中国交通污染排放量的预测建模 [J]. 系统工程理论与实践, 2018, 38(1): 187-196. DOI:  10.12011/1000-6788(2018)01-0187-10.
  • 加载中
图(3) / 表(3)
计量
  • 文章访问数:  87
  • HTML全文浏览量:  81
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-26
  • 网络出版日期:  2020-07-20
  • 刊出日期:  2020-07-20

目录

    /

    返回文章
    返回