一种基于改进GM(1,1)模型的智能电能表集抄数据二次研判方法技术

本申请公开了一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法，将首次出账失败的集抄数据视为异常集抄数据，对首次出账失败的异常集抄数据进行二次研判，在保证用户及供电公司双方利益基础上，尽最大可能利用集抄数据进行出账，减少人工核抄，增加企业经济效益。效益。效益。

【技术实现步骤摘要】
一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法


[0001]本申请涉及供、配电系统用户用电量集抄数据管理领域，特别涉及一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法。

技术介绍

[0002]用电信息采集工作是电力企业营销工作的重要环节，2010年，国家电网公司大力开展用户用电信息采集系统建设，截止目前，对于低压用户，我国已基本实现集中抄表(简称集抄)全覆盖。但由于采集设备故障、采集通信故障、通信无码、档案临时差错、天气影响、用户窃电、数据失真等问题的存在，导致一些集抄数据存在缺失、信息忽大忽小、有毛刺点等现象，若处理不当，直接影响用户及供电企业的切身利益。为了解决这一问题，目前供电公司多采用人工核抄的办法。由于我国智能电能表安装数量巨大，导致集抄数据量巨大，即使仅有少量集抄数据异常，人工核抄成本也是相当巨大的，其结果导致企业的人力成本增加，减员增益的目的难以达成。
[0003]因此，如何充分利用集抄数据信息进行出账，减少人工核抄，降低企业运行成本，是值得深入探讨与研究的问题。
[0004]目前，现有技术中，针对集抄失败，更多的是探讨集抄数据异常的原因，均未对首次出账失败的集抄数据如何二次出账进行探讨。

技术实现思路

[0005]为了解决上述问题，本申请采用改进的GM(1，1)模型对首次出账失败的集抄数据进行二次研判，在保证用户及供电公司双方利益基础上，实现集抄数据二次出账，减少人工核抄，增加企业经济效益。
[0006]在本申请的一些实施例中，一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法，包括以下步骤：
[0007]一、对于首次出账失败的集抄数据，经过数据检验，剔除必须人工出账的用户信息；再进行二次出账研判；
[0008]二、记第i天采集示数为x
i
，
[0009](1)对于原始数据数列X
(0)
＝[x
(0)
(1)，x
(0)
(2)，
…
，x
(0)
(n)]，(i＝1，2，
…
，n)，若想预测x
(0)
(n+1)，首先预测x
(0)
(n)；
[0010](2)分别以x
(0)
(i)作为序列的初值，以x
(0)
(n
‑
1)作为序列终值，构成新的序列(i＝1，2，
…
，n
‑
4)；当以x
(0)
(n
‑
4)作为序列初值时，仍有x
(0)
(n
‑
4)、x
(0)
(n
‑
3)、x
(0)
(n
‑
2)、x
(0)
(n
‑
1)用于GM(1，1)模型，满足模型预测需求；
[0011](3)分别以x
(0)
(i)作为序列的初值预测x
(0)
(n
‑
1)，获得一系列残差；
[0012](4)残差最小时，所对应的数据序列记为
[0013](5)舍弃x
(0)
(k0)，补充x
(0)
(n)，重新构成序列(保持与序列数据维数不变)；
[0014](6)重复传统GM(1，1)模型建立计算过程，预测x
(0)
(n+1)；
[0015]将以为基础构建的GM(1，1)模型称之为改进GM(1，1)模型。
[0016]在本申请的一些实施例中，所述数据检验为
[0017]原始数据序列X
(0)
＝[x
(0)
(1)，x
(0)
(2)，...，x
(0)
(n)]，x
(0)
(i)≥0(i＝1，2，
…
，n)，且等间隔；
[0018]X
(0)
的级比λ(i)为
[0019][0020]λ(i)若满足则X
(0)
适用于GM(1，1)模型；
[0021]记X
(0)
的光滑比ρ(i)为
[0022][0023]准光滑比为
[0024][0025]若0≤ρ(i)≤0.5，且0≤zρ(i)≤1，则X
(0)
通过光滑比检验。
[0026]级比检验与光滑比检验均通过，则判定通过检验。
[0027]在本申请的一些实施例中，若级比检验或光滑比检验未通过，则将X
(0)
按下式进行平移变换；
[0028]z
(0)
(i)＝x
(0)
(i)+c，i＝1，2，
…
，n
ꢀꢀꢀ
(3)
[0029]式中，c为常数，得到新的数据系列Z
(0)
＝[z
(0)
(1)，z
(0)
(2)，
…
，z
(0)
(n)]，使得新数据系列z
(0)
的级比满足：
[0030][0031]光滑比符合
[0032][0033]准光滑比符合
[0034][0035]在本申请的一些实施例中，所述传统GM(1，1)模型建立为：
[0036]对于X
(0)
＝[x
(0)
(1)，x
(0)
(2)，
…
，x
(0)
(n)]，通过累加运算，得到X
(0)
的1
‑
AGO序列X
(1)
，相较X
(0)
，X
(1)
平稳性更强：
[0037]X
(1)
＝[x
(1)
(1)，x
(1)
(2)，
…
，x
(1)
(n)]ꢀꢀꢀ
(7)
[0038]其中，x
(1)
(k)可由下式求得；
[0039][0040]X
(1)
的紧邻均值生成序列Z
(1)
为
[0041]Z
(1)
＝[z
(1)
(2)，z
(1)
(3)，
…
，z
(1)
(n)]ꢀꢀꢀ
(8)
[0042]式中：z
(1)
(k)为背景值，由下式计算：
[0043][0044]GM(1，1)模型的基本形式为
[0045]x
(0)
(k)+az
(1)
(k)＝b
ꢀꢀꢀ
(10)
[0046]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法，其特征在于，包括以下步骤：一、对于首次出账失败的异常集抄数据，经过数据检验，剔除必须人工出账的用户信息；再进行二次出账研判；二、所述二次出账研判为：记第i天采集示数为x
i
，(1)对于原始数据数列X
(0)
＝[x
(0)
(1)，x
(0)
(2)，
…
，x
(0)
(n)]，(i＝1，2，
…
，n)，若想预测x
(0)
(n+1)，首先预测x
(0)
(n)；(2)分别以x
(0)
(i)作为序列的初值，以x
(0)
(n
‑
1)作为序列终值，构成新的序列当以x
(0)
(n
‑
4)作为序列初值时，仍有x
(0)
(n
‑
4)、x
(0)
(n
‑
3)、x
(0)
(n
‑
2)、x
(0)
(n
‑
1)用于GM(1，1)模型，满足模型预测需求；(3)分别以x
(0)
(i)作为序列的初值预测x
(0)
(n
‑
1)，获得一系列残差；(4)残差最小时，所对应的数据序列记为(5)舍弃x
(0)
(k0)，补充x
(0)
(n)，重新构成序列保持与序列数据维数不变；(6)重复传统GM(1，1)模型建立计算过程，预测x
(0)
(n+1)；将以为基础构建的GM(1，1)模型称之为改进GM(1，1)模型。2.根据权利要求1所述的一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法，其特征在于，所述数据检验为原始数据序列X
(0)
＝[x
(0)
(1)，x
(0)
(2)，...，x
(0)
(n)]，x
(0)
(i)≥0 (i＝1，2，
…
，n)，且等间隔；X
(0)
的级比λ(i)为λ(i)若满足则X
(0)
适用于GM(1，1)模型；记X
(0)
的光滑比ρ(i)为准光滑比为若0≤ρ(i)≤0.5，且0≤zρ(i)≤1，则X
(0)
通过光滑比检验；级比检验与光滑比检验均通过，则判定通过检验。3.根据权利要求2所述的一种基于改进GM(1，1)模型的智能电能表集抄数据二次研判方法，其特征在于，若级比检验或光滑比检验未通过，则将X
(0)
按下式进行平移变换；
z
(0)
(i)＝x
(0)
(i)+c，i＝1，2，
…
，n
ꢀꢀꢀ
(3)式中，c为常数，得到新的数据系列Z
(0)
＝[z
(0)
(1)...

【专利技术属性】
技术研发人员：于春雨，陈佳伟，欧阳福浩，张庆海，郭阳，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：