摘要
本发明公开了一种自适应改进动态PCC‑FCM的异常电力负荷数据修复方法,涉及智能电网技术领域。包括:导入带时间序列的电力负荷数据集,根据异常电力负荷数据时刻选取动态数据集,并进行最大值归一化处理;基于皮尔逊相关系数改进FCM聚类,得到PCC‑FCM聚类算法;采用蛇优化算法自适应改进PCC‑FCM聚类算法,并对动态数据集进行聚类,得到各聚类簇;对各聚类簇进行特征提取得到特征曲线,然后采用曲线置换法对异常电力负荷数据进行修复。本发明通过优化算法对聚类算法进行改进和优化,可以有效实现电力系统异常负荷数据的修复,具有较高的异常数据修复精度。
技术关键词
数据修复方法
FCM聚类算法
皮尔逊相关系数
动态数据集
最佳聚类数目
带时间
度量
电力负荷曲线
智能电网技术
异常数据
序列
电力系统
有效性
系统为您推荐了相关专利信息
概率预测方法
机器学习算法
分箱
不动产登记
可读存储介质
轴承故障诊断方法
皮尔逊相关系数
故障特征
鲸鱼优化算法
故障诊断模型
时序神经网络
数据融合算法
对象
动态时间规整
数据格式