CN110377596A - 数据修正方法及系统 - Google Patents
数据修正方法及系统 Download PDFInfo
- Publication number
- CN110377596A CN110377596A CN201910689702.8A CN201910689702A CN110377596A CN 110377596 A CN110377596 A CN 110377596A CN 201910689702 A CN201910689702 A CN 201910689702A CN 110377596 A CN110377596 A CN 110377596A
- Authority
- CN
- China
- Prior art keywords
- data
- measuring point
- point value
- energy storage
- storage device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种数据修正方法及系统，该数据修正方法包括：判断储能设备测点值是否存在异常，若储能设备测点值存在异常，则采用三次指数平滑法对储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对储能设备测点值的第二历史数据进行处理；其中，第一历史数据为储能设备测点值当天的历史数据中的若干个数据；第二历史数据包括储能设备测点值当天的历史数据和在储能设备测点值当天之前每天的历史数据；根据处理后的数据得到储能设备测点值的替换值。采用三次指数平滑法或数据曲线对比法进行处理后，所得的储能设备测点值的替换值与真实值的误差较小，更能反映储能设备测点值的实际情况。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种数据修正方法及系统。
背景技术
储能设备会对自身的数据进行采集，并将采集到的数据上传至云平台数据采集与分析系统。云平台数据采集与分析系统接收到储能设备上传的数据后，会将接收到的数据存储至自身的数据库中，以用于后续对储能系统的性能分析。但是，储能设备在采集数据时会出现数据出错的情况，而这种情况在不更换硬件设置的前提下是无法避免的。当储能设备所采集到的数据出现异常时，即为上传至云平台数据采集与分析系统的数据中含有异常值时，云平台数据采集与分析系统需要先对异常值进行处理，再将处理后的异常值进行存储，以减小异常值对后续的数据分析造成的影响。
现有针对异常值的处理方法主要将平均值、中位数、众数、固定值或者最近离异常值中的一者替换异常值。但是，使用固定值或者平均值作为替换数据，与真实值存在很大偏差；而采用中位数或者众数，如若样本数据不够大，得到的替换数据与真实值同样存在很大的偏差；使用最近离异常值作为替换数据虽然与异常值的关联性最大，但是当遇到数据拐点时，使用最近离异常值作为替换数据的效果也不理想。总之，采用上述方法对异常值进行处理得到的误差较大，进而采用上述处理后的数据进行分析，所得到的结果准确度也不高。
发明内容
对此，本申请提供一种数据修正方法及系统，通过采用三次指数平滑法或者数据曲线对比法对异常数据进行处理，以解决现有数据处理方法对异常数据处理后存在误差较大，以及采用处理后的数据进行分析得到的结果准确度不高的问题。
为实现上述目的，本发明实施例提供如下技术方案：
本申请第一方面公开了一种数据修正方法，包括：
判断储能设备测点值是否存在异常；
若储能设备测点值存在异常，则采用三次指数平滑法对所述储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理；其中，所述第一历史数据为：所述储能设备测点值当天的历史数据中的若干个数据；所述第二历史数据包括：所述储能设备测点值当天的历史数据和在所述储能设备测点值当天之前每天的历史数据；
根据处理后的数据得到所述储能设备测点值的替换值。
可选地，在上述数据修正方法中，所述判断储能设备测点值是否存在异常后，还包括：
若储能设备测点值不存在异常，则将所述储能设备测点值插入数据库。
可选地，在上述数据修正方法中，在所述根据处理后的数据得到所述储能设备测点值的替换值之后，还包括：
将所述储能设备测点值的替换值插入数据库。
可选地，在上述数据修正方法中，所述判断储能设备测点值是否存在异常，包括：
判断所述储能设备测点值是否大于等于所述储能设备测点值所属测点类型的偏差阈值；
若所述储能设备测点值大于等于所述储能设备测点值所属测点类型的偏差阈值，则判定所述储能设备测点值存在异常；
或者，所述判断储能设备测点值是否存在异常，包括：
扫描所述储能设备测点值是否属于过期数据；
若所述储能设备测点值属于过期数据，则判定所述储能设备测点值存在异常。
可选地，在上述数据修正方法中，所述采用三次指数平滑法对所述储能设备测点值的第一历史数据进行处理，包括：
提取所述储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值；
依据所述储能设备测点值的第一历史数据的权重比和所述第一历史数据的个数，确定所述三次指数平滑公式的平滑系数；
将所述初始值和所述平滑系数代入所述三次指数平滑公式，进行计算。
可选地，在上述数据修正方法中，所述提取所述储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值，包括：
判断所述储能设备测点值的第一历史数据的个数是否大于等于数量阈值；
若所述储能设备测点值的第一历史数据的个数大于等于数量阈值，则提取所述储能设备测点值的第一历史数据中最新的储能设备测点值作为所述第一数据，并以所述最新的储能设备测点值作为的第一数据作为所述三次指数平滑公式的初始值；
若所述储能设备测点值的第一历史数据的个数小于数量阈值，则提取所述储能设备测点值的第一历史数据的平均值作为所述第一数据，并以所述平均值作为的第一数据作为所述三次指数平滑公式的初始值。
可选地，在上述数据修正方法中，所述采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理，包括：
确定所述储能设备测点值的第二历史数据；
以所述储能设备测点值当天的历史数据，分别与在所述储能设备测点值当天之前每天的历史数据进行对比，得到在所述储能设备测点值当天之前每天的历史数据中，与所述储能设备测点值当天的历史数据最相似的对比历史数据；
计算所述对比历史数据与所述储能设备测点值当天的历史数据的偏差，得到所述对比历史数据与所述储能设备测点值当天的历史数据的偏差值；
依据所述对比历史数据和所述偏差值，进行计算。
可选地，在上述数据修正方法中，所述依据所述对比历史数据和所述偏差值，进行计算，包括：
确定所述偏差值的偏差类型；其中，所述偏差类型包括：正偏差和负偏差；
若所述偏差类型为所述正偏差，则将所述对比历史数据与所述偏差值进行求和计算；
若所述偏差类型为所述负偏差，则将所述对比历史数据与所述偏差值进行作差计算。
可选地，在上述数据修正方法中，所述采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理，包括：
确定所述储能设备测点值的第二历史数据；
依据所述储能设备测点值当天的历史数据，构建所述储能设备测点值当天历史数据的数据曲线；
在曲线库中匹配与所述当天历史数据的数据曲线最为相似的匹配数据曲线；
计算所述匹配数据曲线中的数据与所述储能设备测点值当天的历史数据偏差，得到所述匹配数据曲线中的数据与所述储能设备测点值当天的历史数据的偏差值；
依据所述匹配数据曲线中的数据和所述偏差值，进行计算。
可选地，在上述数据修正方法中，所述依据所述匹配数据曲线中的数据和所述偏差值，进行计算，包括：
确定所述偏差值的偏差类型；其中，所述偏差类型包括：正偏差和负偏差；
若所述偏差类型为所述正偏差，则将所述匹配数据曲线中的数据与所述偏差值进行求和计算；
若所述偏差类型为所述负偏差，则将所述匹配数据曲线中的数据与所述偏差值进行作差计算。
可选地，在上述数据修正方法中，所述将所述储能设备测点值的替换值插入数据库之后，还包括：
采用所述三次指数平滑法对所述储能设备测点值的替换值和所述第一历史数据进行处理，得到所述储能设备测点值下一周期的预测值；
判断所述储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值；
若所述储能设备测点值下一周期的预测值与实际测点值之间的差值大于等于偏差阈值，则获取所述实际测点值的第三历史数据；
采用拉格朗日插值法对所述实际测点值和所述第三历史数据进行处理，得到所述实际测点值的替换值和所述第三历史数据的替换值；
将所述实际测点值的替换值和所述第三历史数据的替换值插入数据库。
可选地，在上述数据修正方法中，所述判断所述储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值之后，还包括：
若所述储能设备测点值下一周期的预测值与实际测点值之间的差值小于偏差阈值，则将所述实际测点值插入所述数据库。
可选地，在上述数据修正方法中，所述采用拉格朗日插值法对所述实际测点值和所述第三历史数据进行处理，得到所述实际测点值的替换值和所述第三历史数据的替换值，包括：
将所述实际测点值和所述第三历史数据按照时间序列降序排列；
以所述实际测点值和所述第三历史数据作为缺省数据，构造所述缺省数据关于时间序列的实际函数；
基于所述实际函数，构建得到关于所述实际函数的插值多项式；
依据所述插值多项式，得到所述实际测点值的替换值和所述第三历史数据的替换值。
本申请第二方面公开了一种数据修正系统，包括：待采集数据系统、以及与所述待采集数据系统相连的云平台数据采集与分析系统；
所述云平台数据采集与分析系统用于执行上述任意一项权利要求所述的数据修正方法。
可选地，在上述数据修正系统中，所述待采集数据系统为储能系统。
可选地，在上述数据修正系统中，所述云平台数据采集与分析系统，还包括：
曲线库，用于存储储能设备测点值的数据曲线。
基于上述本发明提供的数据修正方法，通过判断储能设备测点值是否存在异常，若储能设备测点值存在异常，也即储能设备测点值为异常值后，则采用三次指数平滑法对储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对储能设备测点值的第二历史数据进行处理；其中，第一历史数据为：储能设备测点值当天的历史数据中的若干个数据；第二历史数据包括：储能设备测点值当天的历史数据和在储能设备测点值当天之前每天的历史数据；最后根据处理后的数据得到储能设备测点值的替换值。采用三次指数平滑法或者数据曲线对比法，所得到的储能设备测点值的替换值与真实储能数据的误差较小，相较于现有其他处理方法，所得到的结果更能反映储能设备测点值的实际情况，进而采用所得到储能数据替换值进行分析，所得到的分析结果的准确度较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1至图12为本申请实施例提供的数据修正方法的十二种流程图；
图13为本申请实施例提供的数据修正系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提供一种数据修正方法，通过采用三次指数平滑法或者数据曲线对比法对异常数据进行处理，以解决现有数据处理方法对异常数据处理后存在误差较大，以及采用处理后的数据进行分析得到的结果准确度不高的问题。
请参见图1，该数据修正方法包括以下步骤：
S101、判断储能设备测点值是否存在异常。
判断储能设备测点值是否存在异常的方式可参见现有技术，或者参见方式1或者方式2。
方式1：判断储能设备测点值是否大于等于储能设备测点值所属测点类型的偏差阈值；若储能设备测点值大于等于储能设备测点值所属测点类型的偏差阈值，则判定储能设备测点值存在异常。
需要说明的是，云平台数据采集与分析系统为每一类型的储能设备测点设置了偏差阈值。可以通过判断储能设备测点值是否大于等于与其对应的偏差阈值，从而判断出储能设备测点值是否存在异常。在实际应用中，若储能设备测点值大于等于与其对应的偏差阈值，则视为储能设备测点值存在异常，若否，则视为储能设备测点值不存在异常。
方式2：扫描储能设备测点值是否属于过期数据；若储能设备测点值属于过期数据，则判定储能设备测点值存在异常。
需要说明的是，可以通过扫描的方式判断储能设备测点值是否属于过期数据。其中，若储能设备测点值属于过期数据，则视为储能设备测点值存在异常，若不属于过期数据，则视为储能设备测点值不存在异常。
还需要说明的是，本申请实施例对判断储能设备测点值是否存在异常的方式并不限定，无论采用何种方式判断储能设备测点值是否存在异常均属于本申请的保护范围。
执行步骤S101判断出储能设备测点值存在异常后，则执行步骤S102。
S102、采用三次指数平滑法对储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对储能设备测点值的第二历史数据进行处理。
其中，第一历史数据为：储能设备测点值当天的历史数据中的若干个数据。第二历史数据为：储能设备测点值所有的历史数据，包括储能设备测点值当天的历史数据和在储能设备测点值当天之前每天的历史数据。
需要说明的是，当判断出储能设备测点值存在异常后，也即判断出储能设备测点值为异常值后，对储能设备测点值的处理方法可以是：采用三次指数平滑法对储能设备测点值的第一历史数据进行处理，也可以是：采用数据曲线对比法对储能设备测点值的第二历史数据进行处理。其中，采用三次指数平滑法对储能设备测点值的第一历史数据进行处理的具体流程可参见图4；采用数据曲线对比法对储能设备测点值的第二历史数据进行处理的具体流程可参见图6或图8。
S103、根据处理后的数据得到储能设备测点值的替换值。
其中，可以根据采用三次指数平滑法对储能设备测点值的第一历史数据进行处理后的数据，得到储能设备测点值的替换值，也可以根据采用数据曲线对比法对储能设备测点值的第二历史数据进行处理后的数据，得到储能设备测点值的替换值。
在本实施例中，通过判断储能设备测点值是否存在异常，若储能设备测点值存在异常，也即储能设备测点值为异常值后，则采用三次指数平滑法对储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对储能设备测点值的第二历史数据进行处理；最后根据处理后的数据得到储能设备测点值的替换值。采用三次指数平滑法或者数据曲线对比法对储能设备测点值进行处理，所得到的储能设备测点值的替换值与真实储能数据的误差较小，相较于现有其他处理方法，所得到的结果更能反映储能设备测点值的实际情况，进而采用所得到储能设备测点值的替换值进行分析，得到的分析结果的准确度较高。
可选地，请参见图2，执行步骤S101判断储能设备测点值是否存在异常后，若储能设备测点值不存在异常，则该数据修正方法还包括执行步骤S201。
S201、将储能设备测点值插入数据库。
其中，数据库是指在云平台数据采集与分析系统中的数据库。一般用于存储各个储能设备测点值。
需要说明的是，将储能设备测点值插入数据库的具体方式可参见现有技术，本申请不再赘述。
另外，在图1和图2的基础之上，请参见图3(以在图1的基础上为例进行展示)，执行步骤S103根据处理后的数据得到储能设备测点值的替换值之后，该数据修正方法还包括：
S301、将储能设备测点值的替换值插入数据库。
需要说明的是，将储能设备测点值的替换值插入数据库的相关说明可参见图2的相关说明，此处不再赘述。
图4为图1中的步骤S102采用三次指数平滑法对储能设备测点值的第一历史数据进行处理的一种实施方式，包括S401至S403三个步骤：
S401、提取储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值。
其中，可通过对储能设备测点值的第一历史数据中的第一数据进行提取，以得到的第一数据作为三次指数平滑公式的初始值。
需要说明的是，提取储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值的具体过程可参见现有技术，或者参见图5示出的流程。
S402、依据储能设备测点值的第一历史数据的权重比和第一历史数据的个数，确定三次指数平滑公式的平滑系数。
其中，可以依据储能设备测点值的第一历史数据所占的权重比和在所取时间序列内包含的第一历史数据的个数，确定三次指数平滑公式的平滑系数。若以过去一小时的数据为例进行计算，可以设置过去一小时的数据在计算中权重比为95％，由于储能设备15分钟上传一次数据，可以设置在所取时间序列内包含的第一历史数据的个数为4。
需要说明的是，储能设备测点值的第一历史数据的权重比和第一历史数据的个数可根据应用场景和用户需求进行设定，本申请不作具体限定。
S403、将初始值和平滑系数代入三次指数平滑公式，进行计算。
需要说明的是，将初始值和平滑系数代入三次指数平滑公式进行计算，可视为采用三次指数平滑法对第一历史数据进行处理。
通过对第一历史数据中不同时期数据分配不同的权重比，并将离异常储能设备测点值越近的数据的权重比设置越大，可保证所得到的处理数据最接近真实值。
还需要说明的是，图4可以和图2、图3结合得到其他附图，就不再一一附图示出，均属于本申请的保护范围。
图4仅为S102采用三次指数平滑法对储能设备测点值的第一历史数据进行处理的一种可选实施方式，并不仅限于此，实际应用中，还可以采用与三次指数平滑法相似的其他数据处理方法，例如归替换法和均值替换法，对储能设备测点值的第一历史数据进行处理，均在本申请的保护范围内。
在图4的基础之上，图5示出了步骤S401的一种实施方式，包括S501至S503三个步骤：
S501、判断储能设备测点值的第一历史数据的个数是否大于等于数量阈值。
需要说明的是，数量阈值的取值可根据应用场景和用户需求进行设定。经发明人研究发现，第一历史数据的个数小于1000时，初始值的确定对所得到的储能设备测点值的替换值影响较大，而当第一历史数据的个数大于等于1000时，初始值的确定对所得到的储能设备测点值的替换值影响较小，故可以1000作为数量阈值。
若判断出储能设备测点值的第一历史数据的个数大于等于数量阈值，则执行步骤S502；若判断出储能设备测点值的第一历史数据的个数小于数量阈值，则执行步骤S503。
S502、提取储能设备测点值的第一历史数据中最新的储能设备测点值作为第一数据，并以最新的储能设备测点值作为的第一数据作为三次指数平滑公式的初始值。
需要说明的是，第一历史数据中最新的储能设备测点值为：在所有的第一历史数据中，按照时间顺序排列，时间最新的一个数据。
由于第一历史数据的个数大于等于1000时，初始值的确定对所得到的储能设备测点值的替换值影响较小，所以以第一历史数据中最新的储能设备测点值作为第一数据，所得到的储能设备测点值的替换值更能反映数据的实际情况。
S503、提取储能设备测点值的第一历史数据的平均值作为第一数据，并以平均值作为的第一数据作为三次指数平滑公式的初始值。
需要说明的是，第一历史数据为：储能设备测点值当天的历史数据中的若干个数据。第一历史数据的平均值可以为第一历史数据中所有数据的平均值，也可以为第一历史数据中若干个数据的平均值。
为了达到最优的使用效果，在本申请中第一历史数据的平均值一般为：第一历史数据中若干个数据的平均值。具体如何选取第一历史数据中若干个数据的平均值，可根据应用场景和用户需求进行设定，均属于本申请保护范围。
由于第一历史数据的个数小于1000时，初始值的确定对所得到的储能设备测点值的替换值影响较大，所以以储能设备测点值的第一历史数据的平均值作为第一数据，所得到的储能设备测点值的替换值更能反映数据的实际情况。
在实际应用中，可以以储能设备测点值的第一历史数据中最新的三个数据的平均值作为第一数据。
通过对数量阈值的合理设定，可以充分考虑第一历史数据对计算结果的影响，保证了所得到的储能设备测点的替换值最接近真实值。
结合图1至图5，下面以一个具体的实例，进一步对步骤S102采用三次指数平滑法对储能设备测点值的第一历史数据进行处理进行说明。
三次指数平滑法计算公式为：其中，计算值为储能设备测点值的替换值；系数ai、bi、ci的取值为：
m为计算值与历史值之间的间隔，本实例取m＝1。
α为三次指数平滑公式的平滑系数，取值公式为：
其中，w表示历史数据所占权重比，n表示所取时间序列包含的历史数据的个数。在本实例中，设置过去一小时的数据在计算中的权重为95％，储能设备每15分钟上传一次数据，则取w＝95％，n＝4。
均为三次指数平滑公式的初始值，初始值的取值与异常储能设备测点值的历史数据的个数有关。
当异常储能设备测点值的历史数据的个数小于1000时，初始值对计算值影响较大，则初始值取储能设备测点值当天历史数据中，最新的三个历史数据的平均值。
即为：
其中，X1、X2、X3分别表示最新的三个历史数据。其中，X1表示三个最新的历史数据中，按时间先后排序，最新的历史数据。
当异常储能设备测点值的历史数据的个数大于等于1000时，初始值对计算值影响较小，则初始值取储能设备测点值当天历史数据中，最新的历史数据。
即为：
图5仅为S401的一种可选实施方式，并不仅限于此，实际应用中，还可以通过综合考虑第一历史数据中各个数据对储能设备测点值的替换值的影响，提取不同的第一数据作为三次指数平滑公式的初始值，或者通过改变第一历史数据的权重比和个数得到不同三次指数平滑公式的平滑系数，使得所得到的储能设备测点值的替换值最接近真实值，无论采用什么方式确定三次指数平滑公式的初始值和平滑系数，均在本申请的保护范围内。
图6为图1中的步骤S102采用数据曲线对比法对储能设备测点值的第二历史数据进行处理的一种实施方式，包括S601至S604四个步骤：
S601、确定储能设备测点值的第二历史数据。
其中，第二历史数据包括：储能设备测点值当天的历史数据和在储能设备测点值当天之前每天的历史数据。
需要说明的是，可以通过数据库查询并获取的方式，确定储能设备测点值的第二历史数据。或者，通过现有技术的其他方式确定储能设备测点值的第二历史数据。本申请对确定储能设备测点值的第二历史数据的方式不作具体限定，均属于本申请的保护范围。
S602、以储能设备测点值当天的历史数据，分别与在储能设备测点值当天之前每天的历史数据进行对比，得到在储能设备测点值当天之前每天的历史数据中，与储能设备测点值当天的历史数据最相似的对比历史数据。
需要说明的是，以储能设备测点值当天的历史数据，分别与在储能设备测点值当天之前每天的历史数据进行对比后，可以将储能设备测点值当天的历史数据与每一在储能设备测点值当天之前每天的历史数据的相似度按照由高到低的顺序进行排序，选取排位最靠前的历史数据作为对比历史数据。
S603、计算对比历史数据与储能设备测点值当天的历史数据的偏差，得到对比历史数据与储能设备测点值当天的历史数据的偏差值。
需要说明的是，可以将对比历史数据中各个数据的数值分别对应减去储能设备测点值当天的历史数据中各个数据的数值，得到对比历史数据与储能设备测点值当天的历史数据的偏差值。
S604、依据对比历史数据和偏差值，进行计算。
其中，依据对比历史数据和偏差值，进行计算具体过程可参见现有技术，或者参见图7示出的流程。
需要说明的是，依据对比历史数据和偏差值进行计算，可视为对储能设备测点值的第二历史数据进行处理。
在本实施例中，通过数据曲线对比的方式，对异常的储能设备测点值进行处理。采用数据曲线对比法对异常的储能设备测点值进行处理和采用三次指数平滑法的方式进行处理，所得到数据误差均较小，同样解决了现有数据处理方法对异常数据处理后存在误差较大，以及采用处理后的数据进行分析得到的结果准确度不高的问题。
图6仅为S102采用数据曲线对比法对储能设备测点值的第二历史数据进行处理的一种可选实施方式，并不仅限于此，实际应用中，还可以通过其他的数据处理方式对储能设备测点值的第二历史数据进行处理，均在本申请的保护范围内。
在图6的基础之上，图7为图6步骤S604的一种实施方式，包括S701至S703三个步骤：
S701、确定偏差值的偏差类型。
其中，偏差类型包括：正偏差和负偏差。
需要说明的是，可以根据偏差值所属的数据范围，确定偏差值属于正偏差还是负偏差。其中，若偏差值大于0，则视为偏差值属于正偏差；若偏差值小于0，则视为偏差值属于负偏差。
当然，确定偏差值的偏差类型方式还可参见现有技术。本申请对确定偏差值的偏差类型的方式不作具体限定，均属于本申请的保护范围。
若确定出偏差值的偏差类型为正偏差，则执行步骤S702；若确定出偏差值的偏差类型为负偏差，则执行步骤S703。
S702、将对比历史数据与偏差值进行求和计算。
S703、将对比历史数据与偏差值进行作差计算。
结合图6和图7，下面以一个具体的实例，进一步对步骤S102采用数据曲线对比法对储能设备测点值的第二历史数据进行处理进行说明。
(1)扫描储能设备测点值是否过期。若储能设备测点值过期，假设储能设备测点值为：A数据，则定义A数据在当前时刻的数据为An+1。
(2)获取An+1的当天历史数据的前n个时刻的数据，分别记为A1、A2……An。
(3)再获取An+1前K天的分别与A1、A2……An以及An+1对应时刻的数据，分别记为：
A(1)1、A(1)2……A(1)n、A(1)n+1
A(2)1、A(2)2……A(2)n、A(2)n+1
……
A(K)1、A(K)2……A(K)n、A(K)n+1
(4)将An+1的当天历史数据的前n个时刻的数据和An+1，分别与An+1前K天的分别与A1、A2……An以及An+1对应时刻的数据进行对比，取差值最小的某一天数据，将差值最小的某一天记为：D天；
进行对比所采用的方法可以是L2范数求差法，具体的计算过程如下：
Z(1)＝√[A(1)1-A1]2+[A(1)2-A2]2+…+[A(1)n-An]2
……
Z(k)＝√[A(k)1-A1]2+[A(k)2-A2]2+…+[A(k)n-An]2
从差值Z(1)至Z(k)选取最小的差值Z(D)。即可认为，D天的历史数据的数据曲线与An+1的当天历史数据的数据曲线最为相似。
(5)对D天的历史数据和An+1的当天历史数据求偏差，得到D天的历史数据相对An+1的当天历史数据的偏差值，并根据偏差值确定出偏差值属于正偏差还是负偏差。
求偏差的计算过程如下：
F＝A(D)1-A1+A(D)2-A2+A(D)3-A3+…..+A(D)n-An
(6)根据偏差值F，计算得到An+1的替换值。
其中，如果F大于0，An+1＝A(D)n+1+Z(D)；
如果F小于等于0，An+1＝A(D)n+1-Z(D)。
图7仅为S604的一种可选实施方式，并不仅限于此，实际应用中，还可以直接将对比历史数据和偏差值直接进行求和以及进行作差，将进行求和后以及进行作差后的数值进行对比，选取进行求和后以及进行作差后的数值中的最大值作为最终的计算结果，无论采用何种方式对对比历史数据和偏差值，进行计算，均在本申请的保护范围内。
除了上述图6示出的数据曲线对比法外，本申请还提供了另一种采用数据曲线对比法对储能设备测点值的第二历史数据进行处理的实施方式。请参见图8，主要包括以下几个步骤：
S801、确定储能设备测点值的第二历史数据。
需要说明的是，确定储能设备测点值的第二历史数据的相关说明可参见图6的相关说明，此处不再赘述。
S802、依据储能设备测点值当天的历史数据，构建储能设备测点值当天历史数据的数据曲线。
需要说明的是，可以依据储能设备当天的历史数据与时间的关系，构建储能设备测点值当天历史数据的数据曲线。
S803、在曲线库中匹配与当天历史数据的数据曲线最为相似的匹配数据曲线。
其中，曲线库为：云平台数据采集与分析系统中的曲线库，用于存储具有代表性的数据曲线。
需要说明的是，可以采用L2范数的方式，在曲线库中匹配与当天历史数据的数据曲线最为相似的匹配数据曲线。
S804、计算匹配数据曲线中的数据与储能设备测点值当天的历史数据偏差，得到匹配数据曲线中的数据与储能设备测点值当天的历史数据的偏差值。
需要说明的是，可以将匹配数据曲线中的数据减去储能设备测点值当天的历史数据，得到匹配数据曲线中的数据与储能设备测点值当天的历史数据的偏差值。
S805、依据匹配数据曲线中的数据和偏差值，进行计算。
其中，依据匹配数据曲线中的数据和偏差值，进行计算具体过程可参见现有技术，或者参见图9示出的具体流程。
需要说明的是，依据匹配数据曲线中的数据和偏差值进行计算，可视为对储能设备测点值的第二历史数据进行处理。
在本实施例中，通过在曲线库中匹配与当天历史数据的数据曲线最为相似的匹配数据曲线的方式。相较于以储能设备测点值当天的历史数据，分别与在储能设备测点值当天之前每天的历史数据进行对比，得到对比历史数据的方式，通过曲线库所匹配到的数据准确度更高，对数据的处理速度更快，进而对储能设备测点值进行处理后，所得的数据处理结果误差更小。但是采用曲线库的方式，云平台数据采集与分析系统需要额外维护一个曲线库，会增大该系统的资源开销。
实际应用中，对于步骤S102采用数据曲线对比法对储能设备测点值的第二历史数据进行处理的方式，可以视具体应用环境而对图8和图6所示的方案进行选择，此处不做具体限定，均在本申请的保护范围内。
在图7和图8的基础之上，图9为图8步骤S805的一种实施方式，包括S901至S903三个步骤：
S901、确定偏差值的偏差类型。
其中，偏差类型包括：正偏差和负偏差。
需要说明的是，确定偏差值的偏差类型的相关说明可参见图7的相关说明，此处不再赘述。
若确定出偏差值的偏差类型为正偏差，则执行步骤S902；若确定出偏差值的偏差类型为负偏差，则执行步骤S903。
S902、将匹配数据曲线中的数据与偏差值进行求和计算。
S903、将匹配数据曲线中的数据与偏差值进行作差计算。
图9仅为S805的一种可选实施方式，并不仅限于此，实际应用中，还可以直接将匹配数据曲线中的数据和偏差值直接进行求和以及进行作差，将进行求和后以及进行作差后的数值进行对比，选取进行求和后以及进行作差后的数值中的最大值作为最终的计算结果，无论采用何种方式对匹配数据曲线中的数据和偏差值，进行计算，均在本申请的保护范围内。
为了保证采用三次指数平滑法或者数据曲线对比法进行处理后的数据为符合误差要求的数据，在采用三次指数平滑法和数据曲线对比法的基础之上，本申请还提供了一种采用三次指数平滑法进行校验以及采用拉格朗日插值法修正数据的实施例，请参见图10。
具体的，在执行步骤S301将储能设备测点值的替换值插入数据库之后，该数据修正方法还包括以下步骤：
S1001、采用三次指数平滑法对储能设备测点值的替换值和第一历史数据进行处理，得到储能设备测点值下一周期的预测值。
其中，采用三次指数平滑法对储能设备测点值的替换值和第一历史数据进行处理，可得到储能设备测点值下一周期的预测值。
需要说明的是，采用三次指数平滑法对储能设备测点值的替换值和第一历史数据进行处理的相关说明，与图1所示的实施例相似，可参见图1的相关说明，此处不再赘述。
S1002、判断储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值。
需要说明的是，偏差阈值的取值可根据应用场景和用户需求进行设定。在本申请中所提及的偏差阈值一般为：云平台数据采集与分析系统为每一类型的储能设备测点配置范围所设置的阈值。
若判断出储能设备测点值下一周期的预测值与实际测点值之间的差值大于等于偏差阈值，则执行步骤S803。
S1003、获取实际测点值的第三历史数据。
需要说明的是，实际测点值的第三历史数据为：实际测点值所有的历史数据。
S1004、采用拉格朗日插值法对实际测点值和第三历史数据进行处理，得到实际测点值的替换值和第三历史数据的替换值。
需要说明的是，采用拉格朗日插值法对实际测点值和第三历史数据进行处理，得到实际测点值的替换值和第三历史数据的替换值的具体过程可参见现有技术，或者参见图12示出的具体流程。
S1005、将实际测点值的替换值和第三历史数据的替换值插入数据库。
需要说明的是，采用拉格朗日插值法对实际测点值和第三历史数据进行处理，得到实际测点值的替换值和第三历史数据的替换值后，可以将实际测点值的替换值替换实际测点值，将第三历史数据的替换值替换第三历史数据，插入数据库。
在本实施例中，在根据处理后的数据得到储能设备测点值的替换值之后，再次通过采用三次指数平滑法对储能设备测点值的替换值下一周期的测点值进行预测，进而通过判断所预测的储能设备测点值的替换值下一周期的测点值与实际测点值之间的差值是否大于偏差阈值的方式，确定根据处理后的数据所得到储能设备测点值的替换值的是否符合系统误差要求，也即为校验使用三次指数平滑法或者数据曲线对比法对异常的储能设备测点值处理是否成功。保证了根据处理后的数据所得到储能设备测点值的替换值为符合误差要求的数据。若判断出所预测的储能设备测点值的替换值下一周期的测点值与实际测点值之间的差值大于等于偏差阈值，则视为判定出使用三次指数平滑法或者数据曲线对比法对异常的储能设备测点值处理失败，进而采用拉格朗日插值法对处理失败后的数据再次处理，最后将再次处理之后的数据插入数据库中。采用上述方式可对所得到储能设备测点值的替换值进行校验，若验证第一次处理失败后，还通过拉格朗日插值法再次对处理失败后的数据进行处理，保证了最终所得到的数据符合系统误差要求，是具有使用价值的数据。
在图10基础之上，请参见图11，执行步骤S1002判断储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值之后，若判断出储能设备测点值下一周期的预测值与实际测点值之间的差值小于偏差阈值，则该数据修正方法还包括：
S1101、将实际测点值插入数据库。
需要说明的是，将实际测点值插入数据库的相关说明可参见图2的相关说明，此处不再赘述。
图12为图10的步骤S1004采用拉格朗日插值法对实际测点值和第三历史数据进行处理，得到实际测点值的替换值和第三历史数据的替换值的一种实施方式，包括S1201至S1204四个步骤：
S1201、将实际测点值和第三历史数据按照时间序列降序排列。
S1202、以实际测点值和第三历史数据作为缺省数据，构造缺省数据关于时间序列的实际函数。
S1203、基于实际函数，构建得到关于实际函数的插值多项式。
S1204、依据插值多项式，得到实际测点值的替换值和第三历史数据的替换值。
结合图10至图12，下面以一个具体的实例，进一步对步骤S1004采用拉格朗日插值法对实际测点值和第三历史数据进行处理，得到实际测点值的替换值和第三历史数据的替换值进行说明。
(1)将实际测点值和实际测点值的历史数据按照时间序列降序排列，以实际测点值和实际测点值的历史数据作为缺省数据。其中，实际测点值的历史数据即为第三历史数据。设实际测点值和实际测点值的历史数据共为n个，将数据记为(x0,y0),(x1,y1),...,(xn-1,yn-1)，构造一条经过这n个数据的函数f(x)。
(2)设集合Dn是关于(x,y)的角标的集合。Dn＝{0,1,...,n-1}，作n个多项式Pj＝(x),j∈Dn。对于任意k∈Dn，都有Pk(x),Bk＝{ii≠k,i∈Dn}使得：
其中，Pk(x)为n-1次多项式，且满足Pk(xm)＝0，并且Pk(xk)＝1。
(3)根据上述，可得：
将x＝0.5代入到插值多项式Ln(x)中即可得到处理后的数据。
最后，需要说明的是，图4至图9均可结合图2和图3得到其他附图，图10至图12均可结合图2得到其他附图，就不再一一附图示出，均属于本申请的保护范围。
本申请另一实施例还公开了一种数据修正系统，请参见图13，该数据修正系统包括：
待采集数据系统1301、以及与待采集数据系统1301相连的云平台数据采集与分析系统1302。
云平台数据采集与分析系统1302用于执行上述实施例示出的数据修正方法。
需要说明的是，待采集数据系统1301会将自身的储能设备测点值周期性上传至云平台数据采集与分析系统1302，云平台数据采集与分析系统1302对待采集数据系统1301周期性上传的数据进行接收，并存储至自身的数据库中。
可选地，待采集数据系统1301可以为：储能系统。
可选地，该数据修正系统还包括：曲线库。其中，曲线库用于存储储能设备测点值的数据曲线。而储能设备测点值的数据曲线包括了具有代表性的数据曲线。
需要说明的是，当采用数据曲线对比法对储能设备测点值进行处理时。可以在云平台数据采集与分析系统增设曲线库，用于保存具有代表性的曲线数据，然后通过该数据库查找与储能设备测点值构成曲线最为相似的曲线，可减少数据修正过程耗时，从而达到快速数据修正的目的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (16)
1.一种数据修正方法，其特征在于，包括：
判断储能设备测点值是否存在异常；
若储能设备测点值存在异常，则采用三次指数平滑法对所述储能设备测点值的第一历史数据进行处理，或者，采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理；其中，所述第一历史数据为：所述储能设备测点值当天的历史数据中的若干个数据；所述第二历史数据包括：所述储能设备测点值当天的历史数据和在所述储能设备测点值当天之前每天的历史数据；
根据处理后的数据得到所述储能设备测点值的替换值。
2.根据权利要求1所述的数据修正方法，其特征在于，所述判断储能设备测点值是否存在异常后，还包括：
若储能设备测点值不存在异常，则将所述储能设备测点值插入数据库。
3.根据权利要求1所述的数据修正方法，其特征在于，在所述根据处理后的数据得到所述储能设备测点值的替换值之后，还包括：
将所述储能设备测点值的替换值插入数据库。
4.根据权利要求1所述的数据修正方法，其特征在于，所述判断储能设备测点值是否存在异常，包括：
判断所述储能设备测点值是否大于等于所述储能设备测点值所属测点类型的偏差阈值；
若所述储能设备测点值大于等于所述储能设备测点值所属测点类型的偏差阈值，则判定所述储能设备测点值存在异常；
或者，所述判断储能设备测点值是否存在异常，包括：
扫描所述储能设备测点值是否属于过期数据；
若所述储能设备测点值属于过期数据，则判定所述储能设备测点值存在异常。
5.根据权利要求1所述的数据修正方法，其特征在于，所述采用三次指数平滑法对所述储能设备测点值的第一历史数据进行处理，包括：
提取所述储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值；
依据所述储能设备测点值的第一历史数据的权重比和所述第一历史数据的个数，确定所述三次指数平滑公式的平滑系数；
将所述初始值和所述平滑系数代入所述三次指数平滑公式，进行计算。
6.根据权利要求5所述的数据修正方法，其特征在于，所述提取所述储能设备测点值的第一历史数据中的第一数据作为三次指数平滑公式的初始值，包括：
判断所述储能设备测点值的第一数据的个数是否大于等于数量阈值；
若所述储能设备测点值的第一历史数据的个数大于等于数量阈值，则提取所述储能设备测点值的第一历史数据中最新的储能设备测点值作为所述第一数据，并以所述最新的储能设备测点值作为的第一数据作为所述三次指数平滑公式的初始值；
若所述储能设备测点值的第一历史数据的个数小于数量阈值，则提取所述储能设备测点值的第一历史数据的平均值作为所述第一数据，并以所述平均值作为的第一数据作为所述三次指数平滑公式的初始值。
7.根据权利要求1所述的数据修正方法，其特征在于，所述采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理，包括：
确定所述储能设备测点值的第二历史数据；
以所述储能设备测点值当天的历史数据，分别与在所述储能设备测点值当天之前每天的历史数据进行对比，得到在所述储能设备测点值当天之前每天的历史数据中，与所述储能设备测点值当天的历史数据最相似的对比历史数据；
计算所述对比历史数据与所述储能设备测点值当天的历史数据的偏差，得到所述对比历史数据与所述储能设备测点值当天的历史数据的偏差值；
依据所述对比历史数据和所述偏差值，进行计算。
8.根据权利要求7所述的数据修正方法，其特征在于，所述依据所述对比历史数据和所述偏差值，进行计算，包括：
确定所述偏差值的偏差类型；其中，所述偏差类型包括：正偏差和负偏差；
若所述偏差类型为所述正偏差，则将所述对比历史数据与所述偏差值进行求和计算；
若所述偏差类型为所述负偏差，则将所述对比历史数据与所述偏差值进行作差计算。
9.根据权利要求1所述的数据修正方法，其特征在于，所述采用数据曲线对比法对所述储能设备测点值的第二历史数据进行处理，包括：
确定所述储能设备测点值的第二历史数据；
依据所述储能设备测点值当天的历史数据，构建所述储能设备测点值当天历史数据的数据曲线；
在曲线库中匹配与所述当天历史数据的数据曲线最为相似的匹配数据曲线；
计算所述匹配数据曲线中的数据与所述储能设备测点值当天的历史数据偏差，得到所述匹配数据曲线中的数据与所述储能设备测点值当天的历史数据的偏差值；
依据所述匹配数据曲线中的数据和所述偏差值，进行计算。
10.根据权利要求9所述的数据修正方法，其特征在于，所述依据所述匹配数据曲线中的数据和所述偏差值，进行计算，包括：
确定所述偏差值的偏差类型；其中，所述偏差类型包括：正偏差和负偏差；
若所述偏差类型为所述正偏差，则将所述匹配数据曲线中的数据与所述偏差值进行求和计算；
若所述偏差类型为所述负偏差，则将所述匹配数据曲线中的数据与所述偏差值进行作差计算。
11.根据权利要求3所述的数据修正方法，其特征在于，所述将所述储能设备测点值的替换值插入数据库之后，还包括：
采用所述三次指数平滑法对所述储能设备测点值的替换值和所述第一历史数据进行处理，得到所述储能设备测点值下一周期的预测值；
判断所述储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值；
若所述储能设备测点值下一周期的预测值与实际测点值之间的差值大于等于偏差阈值，则获取所述实际测点值的第三历史数据；
采用拉格朗日插值法对所述实际测点值和所述第三历史数据进行处理，得到所述实际测点值的替换值和所述第三历史数据的替换值；
将所述实际测点值的替换值和所述第三历史数据的替换值插入数据库。
12.根据权利要求11所述的数据修正方法，其特征在于，所述判断所述储能设备测点值下一周期的预测值与实际测点值之间的差值是否大于等于偏差阈值之后，还包括：
若所述储能设备测点值下一周期的预测值与实际测点值之间的差值小于偏差阈值，则将所述实际测点值插入所述数据库。
13.根据权利要求12所述的数据修正方法，其特征在于，所述采用拉格朗日插值法对所述实际测点值和所述第三历史数据进行处理，得到所述实际测点值的替换值和所述第三历史数据的替换值，包括：
将所述实际测点值和所述第三历史数据按照时间序列降序排列；
以所述实际测点值和所述第三历史数据作为缺省数据，构造所述缺省数据关于时间序列的实际函数；
基于所述实际函数，构建得到关于所述实际函数的插值多项式；
依据所述插值多项式，得到所述实际测点值的替换值和所述第三历史数据的替换值。
14.一种数据修正系统，其特征在于，包括：待采集数据系统、以及与所述待采集数据系统相连的云平台数据采集与分析系统；
所述云平台数据采集与分析系统用于执行权利要求1-13任意一项所述的数据修正方法。
15.根据权利要求14所述的数据修正系统，其特征在于，所述待采集数据系统为储能系统。
16.根据权利要求14所述的数据修正系统，其特征在于，所述云平台数据采集与分析系统，还包括：
曲线库，用于存储储能设备测点值的数据曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689702.8A CN110377596A (zh) | 2019-07-29 | 2019-07-29 | 数据修正方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689702.8A CN110377596A (zh) | 2019-07-29 | 2019-07-29 | 数据修正方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110377596A true CN110377596A (zh) | 2019-10-25 |
Family
ID=68256772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910689702.8A Pending CN110377596A (zh) | 2019-07-29 | 2019-07-29 | 数据修正方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110377596A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020743A (zh) * | 2012-12-27 | 2013-04-03 | 中国科学院电工研究所 | 风电场超短期风速预测方法 |
| CN105389625A (zh) * | 2015-10-27 | 2016-03-09 | 福建奥通迈胜电力科技有限公司 | 一种主动配电网超短期负荷预测方法 |
| CN105787283A (zh) * | 2016-03-25 | 2016-07-20 | 西北大学 | 一种基于时空相关性的土遗址监测数据修正拟合方法 |
| CN106845669A (zh) * | 2016-12-12 | 2017-06-13 | 国网上海市电力公司 | 基于指数平滑法预测电网年持续负荷的方法 |
| US20170352010A1 (en) * | 2016-06-02 | 2017-12-07 | Doosan Heavy Industries & Construction Co., Ltd. | Wind farm supervision monitoring system |
| CN107679361A (zh) * | 2017-09-14 | 2018-02-09 | 内蒙古久和能源装备有限公司 | 一种测风数据处理方法 |
| CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
| CN110047014A (zh) * | 2019-01-04 | 2019-07-23 | 国网浙江省电力有限公司电力科学研究院 | 一种基于负荷曲线和历史电量的用户电量数据修复方法 |
-
2019
- 2019-07-29 CN CN201910689702.8A patent/CN110377596A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020743A (zh) * | 2012-12-27 | 2013-04-03 | 中国科学院电工研究所 | 风电场超短期风速预测方法 |
| CN105389625A (zh) * | 2015-10-27 | 2016-03-09 | 福建奥通迈胜电力科技有限公司 | 一种主动配电网超短期负荷预测方法 |
| CN105787283A (zh) * | 2016-03-25 | 2016-07-20 | 西北大学 | 一种基于时空相关性的土遗址监测数据修正拟合方法 |
| US20170352010A1 (en) * | 2016-06-02 | 2017-12-07 | Doosan Heavy Industries & Construction Co., Ltd. | Wind farm supervision monitoring system |
| CN106845669A (zh) * | 2016-12-12 | 2017-06-13 | 国网上海市电力公司 | 基于指数平滑法预测电网年持续负荷的方法 |
| CN107679361A (zh) * | 2017-09-14 | 2018-02-09 | 内蒙古久和能源装备有限公司 | 一种测风数据处理方法 |
| CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
| CN110047014A (zh) * | 2019-01-04 | 2019-07-23 | 国网浙江省电力有限公司电力科学研究院 | 一种基于负荷曲线和历史电量的用户电量数据修复方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Automated load curve data cleansing in power systems | |
| CN107851295B (zh) | 数据分析设备、数据分析方法和存储数据分析程序的存储介质 | |
| Densham et al. | Strategies for solving large location-allocation problems by heuristic methods | |
| CN109376924A (zh) | 一种物资需求预测的方法、装置、设备及可读存储介质 | |
| US8990764B2 (en) | Automated analysis of code developer's profile | |
| CN103370722B (zh) | 通过小波和非线性动力学预测实际波动率的系统和方法 | |
| Jablonsky | Multicriteria approaches for ranking of efficient units in DEA models | |
| CN109376971B (zh) | 一种面向电力用户的负荷曲线预测方法及系统 | |
| CN112734195B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN112418341A (zh) | 模型融合方法、预测方法、装置、设备及存储介质 | |
| CN104932898B (zh) | 一种基于改进多目标粒子群优化算法的待增组件选择方法 | |
| CN103455509B (zh) | 一种获取时间窗口模型参数的方法和系统 | |
| CN107153985A (zh) | 一种用户侧能源数据的挖掘与分析方法 | |
| JP2008158748A (ja) | 変数選択装置、方法およびプログラム | |
| CN112508260B (zh) | 基于对比学习的配电变压器中长期负荷预测方法及装置 | |
| JP7059151B2 (ja) | 時系列データ分析装置、時系列データ分析方法、および時系列データ分析プログラム | |
| CN110377596A (zh) | 数据修正方法及系统 | |
| CN112926801B (zh) | 一种基于分位数回归的负荷曲线组合预测方法及装置 | |
| Rass et al. | Refining stochastic models of critical infrastructures by observation | |
| CN112418534B (zh) | 揽件量预测方法及装置、电子设备、计算机可读存储介质 | |
| CN109636437A (zh) | 小区均价预估方法、电子装置及存储介质 | |
| CN109255470A (zh) | 一种基于大数据分析的变电设备非项目类成本预测方法 | |
| CN114254801A (zh) | 基于相似性度量的工业用户用电量长期预测方法和装置 | |
| CN113066543A (zh) | 临床研究协调员排程方法、装置、计算机设备和存储介质 | |
| Hare | Using derivative free optimization for constrained parameter selection in a home and community care forecasting model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant before: Sunshine New Energy Development Co.,Ltd. Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |