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：清华大学;国网浙江省电力有限公司营销服务中心

摘要：本申请涉及电力系统负荷技术领域，尤其涉及一种面向工业负荷的数据缺失处理方法及装置。其中，一种面向工业负荷的数据缺失处理方法，包括：获取每个用户的负荷数据以及用户特征数据，根据用户特征数据将负荷数据拆分为多个数据集；对数据集中可基于已有的负荷数据直接获取的缺失数据进行初步填充；利用矩阵分解算法对进行初步填充后仍存在缺失数据的数据集进行深度填充。采用上述方案的本申请通过利用智能电表中多种不同类型量测数据之间的相关性，对数据中复杂的关联模式进行挖掘，有效挖掘出不同时刻、不同负荷分量之间的关联关系，从而提升缺失值填充的准确性，有效填充工业负荷数据的缺失值，从而实现对细粒度智能电表的缺失数据填充。

主权项：1.一种面向工业负荷的数据缺失处理方法，其特征在于，所述方法包括：获取每个用户的负荷数据以及用户特征数据，根据所述用户特征数据将所述负荷数据拆分为多个数据集，其中，所述用户特征数据包括行业标识，根据所述行业标识将所述负荷数据逐层拆分为多个数据集，每进行一层拆分，判断拆分出来的所有数据集是否具有低秩性；若拆分出来的任一数据集不具有低秩性，则对不具有低秩性的数据集进行下一层拆分，若拆分出来的所有数据集均具有低秩性，则停止拆分；对数据集中可基于已有的负荷数据直接获取的缺失数据进行初步填充，其中，基于物理定律根据已有的负荷数据对缺失数据进行精确填充，从而完成对数据集的初步填充；利用矩阵分解算法对进行初步填充后仍存在缺失数据的数据集进行深度填充，其中，确定初始拟合矩阵，并将所述初始拟合矩阵分解为行挖掘矩阵以及列挖掘矩阵；对仍存在缺失数据的数据集进行矩阵分解；利用梯度下降法迭代更新行挖掘矩阵以及列挖掘矩阵，得到迭代更新后的行挖掘矩阵以及列挖掘矩阵；根据迭代更新后的行挖掘矩阵以及列挖掘矩阵得到拟合矩阵，利用拟合矩阵中的元素对存在缺失数据的数据集进行深度填充；其中，所述对仍存在缺失数据的数据集进行矩阵分解，包括：对行挖掘矩阵以及列挖掘矩阵进行时序正则化以及特征正则化：根据下式对存在缺失数据的数据集进行矩阵分解： 其中，J为目标函数，目标函数最小时表示矩阵分解完成，⊙为哈达玛积即矩阵逐元素相乘，X为根据存在缺失数据的数据集确定的m×n维矩阵，为m×n维初始拟合矩阵，、为正则项，为时序正则化项、为特征正则化项，-为预设好的正则化系数；B为矩阵；c为预设好的1×k维向量；U为m×k维行挖掘矩阵；为n×k维列挖掘矩阵；k为预设好的嵌入向量维数；根据矩阵X确定矩阵A，令矩阵X中缺失数据处的元素记为0，非缺失数据处的元素记为1，从而得到矩阵A。

全文数据：

权利要求：

百度查询： 清华大学 国网浙江省电力有限公司营销服务中心 一种面向工业负荷的数据缺失处理方法及装置