基于电力用户数据的数据归整处理方法

摘要

本发明涉及一种基于电力用户数据的数据归整处理方法，包括以下步骤：1)基于时间序列三维坐标，建立数据坐标，找到XYZ三个方向的规律，将所有缺失点均表示为零数据；2)进行牛顿插值，设置阈值，不断比对修正在阈值以外的数据点；3)通过离散型变量方差、独立性检验统计量计算得到数据的特征以及数据点与点之间的特征，采用数据连续化方法，将离散型数据变成连续型数据，采用MATLAB工具将其画成负荷曲线。与现有技术相比，本发明具有将用户数据进行合理的修正，得到接近于实际数据的近似数据值，从而可以很好为今后的数据应用打下基础等优点。

主权项

一种基于电力用户数据的数据归整处理方法，其特征在于，包括以下步骤：1)基于时间序列三维坐标，建立数据坐标，找到XYZ三个方向的规律，将所有缺失点均表示为零数据；2)进行牛顿插值，设置阈值，不断比对修正在阈值以外的数据点；3)通过离散型变量方差、独立性检验统计量计算得到数据的特征以及数据点与点之间的特征，采用数据连续化方法，将离散型数据变成连续型数据，采用MATLAB工具将其画成负荷曲线；所述的步骤1)具体如下：11)按照时间规律对历史数据进行分拆和排列，最终形成以周、月、年三种不同时间周期的数据排列模式，作为数据三维坐标；12)得到XYZ三个不同方向的数据列，从而在三个方向下分别找到数据规律，找出数据表格中的缺失数据，将所有缺失数据设置为0数据，全部代入数据表格中，得到完整数据表；所述的步骤2)具体如下：11)设置阈值，通过牛顿插值法进行计算，如公式(1)所示，f(x)＝f(x₀)+f[x₀,x₁](x‑x₀)+…+f[x₀,x₁,…x_n](x‑x₀)(x‑x₁)…(x‑x_n)+P_n(x)(1)其中为牛顿插值余项，f[x₀,x₁,…x_n]为牛顿插值多项式系数，$f[x_0,x_1,...x_n]=\frac{f[x_0,x_1,...x_{n-1}]-f[x_1,...x_n]}{x_0-x_n};$x为数据坐标轴的横坐标，f(x)为数据坐标轴的纵坐标；12)判断计算值f(x)与真实值y之间的差值是否大于设定阈值，若为是，将真实值y修正为f(x)，否则保留真实值y；所述的步骤3)中的离散型变量方差、独立性检验统计量的计算如下：a、离散型变量方差：Var(X)＝σ²＝∑(x‑μ)²p(x)其中，E(X)为数据X的期望，p(x)为数据点x的概率；b、独立性检验统计量：$x^2=\underset{i}{\Sigma }\underset{j}{\Sigma }\frac{{(f_{ij}-e_{ij})}^2}{e_{ij}},df=(R-1)(C-1)$其中，f_ij为数据表中的第i行第j列类别的观察频数，e_ij为数据表中的第i行第j列类别的期望频数。