基于DTWKNN的电力缺失数据补全方法

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.