基于DA多重插补法和电力物联网的电能数据缺失修复方法

针对电力物联网中电能数据量过多,缺失电能数据修复难度较大的问题,研究基于DA多重插补法和电力物联网的电能数据缺失修复方法。电力物联网利用感知层的电能数据采集终端采集电能数据,所采集电能数据利用通信层传送至应用层,应用层的电能数据缺失修复模块,利用EM插补算法计算电能数据缺失值的初始插补值;将所获取的电能数据插补值作为DA多重插补法的初始值,DA多重插补法利用局部加权回归模型,通过调整电能数据缺失值的预测误差,获取最终电能数据缺失修复结果。实验结果表明,该方法修复电力物联网电能数据的观测误差方差低于0.2,对于短期电能数据与长期电能数据,均具有良好的修复结果。

DA多重插补法在电网电能量数据缺失处理中的应用

针对电能量数据缺失值处理技术,提出一种引入时间序列的基于贝叶斯常均值模型的数据增广算法(DA多重插补法).应用期望最大算法(EM插补算法)计算缺失值的插补值,将得到的插补值作为插补的初始值,然后根据电能量数据随时间变化的特点,构建基于常均值模型的多重插补模型,利用贝叶斯方法预测每个缺失值的多次插补值,综合分析观测误差方差和状态误差方差得到最终插补值,从而得到多个完整数据集合.在不同缺失率的条件下,通过与EM插补结果,以及与基于贝叶斯线性回归的DA多重插补结果相比较,得出改进的插补方法比所预测的误差更低,波动更小,插补结果更稳定的结论,有效提高电能量缺失数据的插补精度.

基于DA插补法的线性回归模型系数估计值的模拟研究

Data Augmentation(DA)插补法是最常用的MCMC多重插补法之一。利用模拟方法研究基于DA插补法的线性回归模型的系数估计值,分析估计值的统计性质受无回答机制、无回答率和插补重数的影响。模拟结果显示:在完全随机无回答机制下,选择较小插补重数常常会得到较好的回归系数估计值;在随机无回答机制下,随着无回答率增大而选择更大插补重数往往会得到更好的回归系数估计值;在非随机无回答机制下,选择更大插补重数并不一定总会得到更好的回归系数估计值。