基于DTWKNN的电力缺失数据补全方法

作者：李富柏; 焦瑞莉^*; 薄宇; 李朋

来源：北京信息科技大学学报(自然科学版), 2023, 38(05): 32-38.

DOI：10.16508/j.cnki.11-5866/n.2023.05.005

• 电力数据
• 数据补全
• 动态时间规整
• k最近邻

电力数据是电力负荷预测工作的基础，但是由于智能电表故障、传输信道异常等原因导致的电力数据缺失现象，直接影响电力负荷预测的准确性。针对此问题，提出了一种动态时间规整k最近邻(dynamic time warping k-nearest neighbor, DTWKNN)的电力缺失数据补全方法。在传统k最近邻(KNN)方法的基础上，用动态时间规整距离取代欧式距离，参考主成分分析方法计算属性相关性影响参数，该参数调整了近邻点权重并用于补全数据，最终对所有缺失点依次补全。以某市实际用电数据进行补全实验，与KNN补全方法对比，基于DTWKNN方法的缺失数据补全效果更好。此外，经补全后的电力数据在负荷预测实验中误差更低，具备良好的电力负荷预测应用性。

• 单位
  国网冀北电力有限公司; 中国科学院大气物理研究所; 北京信息科技大学