基于压缩感知理论的缺失数据集下线损预测模型

• 作者: 代盛国 刘东升 商学斌 李煜 王颖琛 金之俭 顾洁
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 压缩感知 数据缺失 线损预测 数据修复 基于自适应噪声的完整集成经验模态分解
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 80-86
• 页数: 7页
• 分类号: TM744
• 字数: 7462字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.002.011

摘要

线损预测是电网企业进行线损管理的基础,而电力系统中数据收集与传输过程中不可避免出现各种异常状况,导致线损数据缺失,影响线损预测精度.为解决这一问题,应用压缩感知理论研究矩阵稀疏变换方法和矩阵重构算法,实现电网运行缺失数据的补全与重建,利用基于自适应噪声的完整集成经验模态分解建立线损预测模型,完成缺失数据集下的线损预测.某10 kV配电网算例验证结果表明,在数据量较大或数据缺失情况较严重的情况下,基于压缩感知理论的数据恢复方法能比传统方法更好地修复原始数据,恢复原始数据的变化趋势,提高线损预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金之俭	上海交通大学电子信息与电气工程学院	75	670	15.0	24.0
2	顾洁	上海交通大学电子信息与电气工程学院	127	2133	26.0	43.0
3	李煜	上海交通大学电子信息与电气工程学院	7	84	4.0	7.0
4	刘东升		2	12	2.0	2.0
5	商学斌		3	18	2.0	3.0
6	王颖琛	上海交通大学电子信息与电气工程学院	2	20	2.0	2.0