家庭电力消耗数据清洗
摘要：电力系统中的负荷曲线数据是指周期性收集到的用户电能消耗数据。它已成为现代电力系统中最重要的资产之一。许多操作决策都是基于从数据中发现的信息进行的。然而，负荷曲线数据通常会受到各种因素引起的污染，例如数据传输错误或故障计量器。为了解决这个问题，已经进行了大量的研究工作来清理负荷曲线数据。大多数现有方法都是从供应方面（即电力服务提供商）应用异常值检测方法，可能只有聚合负荷数据。在本文中，我们提出了从需求方面（即电力服务用户）寻求帮助的想法。在消费者电器的现有知识的帮助下，我们提出了一种新的基于电器的负荷曲线数据清理方法。该方法利用数据生成规则和顺序局部优化算法（SLOA）来解决损坏数据识别问题（CDIP）。我们使用真实世界的跟踪数据和合成数据来评估SLOA的性能。结果表明，与现有的负荷数据清理方法（如B样条平滑）相比，我们的方法在整体性能上更好，并且能够有效地识别连续的损坏数据。实验结果还证明了我们的方法在各种测试中的稳健性。我们的方法为新兴行业应用提供了一种高度可行和可靠的解决方案。
作者：Guoming Tang, Kui Wu, Jian Pei, Jiuyang Tang and Jingsheng Lei
论文ID：1307.7757
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2014-05-20