基于多维度相关性分析的电压缺失数据辨识方法研究

• 作者: 李绍坚 韦明超 甘静 王国汪 莫江婷
• 来源期刊: 电气自动化
• 关键词: 多维度 电压值缺失 数据填补 相关性 皮尔逊系数
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 电力系统及其自动化
• 页码范围: 63-66
• 页数: 4页
• 分类号: TM761
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3886.2021.01.019

摘要

针对电网数据采集中常出现的电压数据缺失问题,提出一种多维度相关性分析的电压缺失数据辨识方法IMVMDMC(identifi-cation method of voltage missing data based on multidimensional correlation analysis).首先通过 K 均值聚类方法基于历史数据对缺失电压进行聚类分析找出相似数据聚合;其次,提出一种基于多维度相关性分析的填补策略,采用皮尔逊系数获得强相关属性,并利用熵权分析实现对多维度相关属性的综合加权确定电压填补值;最后采用一种核聚类的数据校验策略,进一步改善填补的准确性.算例采用真实电网数据进行分析,仿真结果显示方法的可行性和优势.