文献类型：期刊文章

作　　者：刘东升[1] 代盛国[2] 商学斌[1] 顾洁[3] 金之俭[3] 王颖琛[3] 李煜[3]

LIU Dongsheng;DAI Shengguo;SHANG Xuebin;GU Jie;JIN Zhijian;WANG Yingchen;LI Yu(Guangzhou Power Supply Bureau Co., Ltd., Guangzhou, Guangdong 510620, Chin;Xishuangbanna Power Supply Bureau of Yunnan Power Grid Co., Ltd., Jinghong, Yunnan 666100,China;School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

机构地区：[1]广州供电局有限公司,广东广州510620 [2]云南电网有限责任公司西双版纳供电局,云南景洪666100 [3]上海交通大学电子信息与电气工程学院,上海200240

出　　处：《广东电力》

基　　金：国家重点基础研究发展计划资助项目(2016YFB 0900101)

年　　份：2019

卷　　号：32

期　　号：2

起止页码：80-86

语　　种：中文

收录情况：IC、RCCSE、UPD、ZGKJHX、普通刊

摘　　要：线损预测是电网企业进行线损管理的基础,而电力系统中数据收集与传输过程中不可避免出现各种异常状况,导致线损数据缺失,影响线损预测精度。为解决这一问题,应用压缩感知理论研究矩阵稀疏变换方法和矩阵重构算法,实现电网运行缺失数据的补全与重建,利用基于自适应噪声的完整集成经验模态分解建立线损预测模型,完成缺失数据集下的线损预测。某10 kV配电网算例验证结果表明,在数据量较大或数据缺失情况较严重的情况下,基于压缩感知理论的数据恢复方法能比传统方法更好地修复原始数据,恢复原始数据的变化趋势,提高线损预测精度。

关 键 词：压缩感知 数据缺失  线损预测  数据修复 基于自适应噪声的完整集成经验模态分解  

分 类 号：TM744]