基于DBSCAN二次聚类的配电网负荷缺失数据修补

电力负荷属于具有时间序列特性的数据,依据数据固有的规律性和波动性特征,修补由于各种因素而缺失的负荷数据,可为电力系统研究和实验结果的有效性和可预测性奠定基础。本文首先提出基于密度的含噪声应用空间聚类(DBSCAN)二次聚类的方法;其次,提出针对配电网负荷数据的负荷属性相似度,在此基础上进一步提出负荷记录综合相似度;然后,依据DBSCAN二次聚类方法的负荷类别结果和所得负荷记录综合相似度,匹配相似度最大的数据类别,并依据该类别的记录信息对所缺失数据进行修补;最后,采用算例分析证明所提方法的有效性和正确性。

配用电数据收集清洗系统的设计与实现

通过分析智能配电网中“脏数据”的类型及其产生原因,将配用电数据分为“静态”和“动态”两类,并根据两类数据的基本特征设计了静态和动态数据的不同清洗方法。对配电网中最常见、最广泛的动态数据缺失与异常,总结了各种清洗方法的特点及其适用性。应用该数据清洗系统,可有效提高配电网的数据质量,助力配电网数据的高效利用和有序管理。