本发明涉及数据去噪,具体涉及一种基于云计算的电力销售电价数据处理方法。
背景技术:
1、随着社会经济的发展,整体用电量越来越高;并且用电高峰和用电波谷之间的用量差异越来越大,容易导致高峰期的负荷大,而波谷期的电量浪费;故近年来出现了根据用电负荷进行电价的实时调节的方法,达到用电量调节的目的。但部分电表设备的局限性,可能会导致电价数据的采集出现异常噪声,对电价数据波动的分析出现误差。
2、因此获取电价数据后需要进行去噪,由于电价数据中的周期特征较为混乱,通常采用emd经验模态分解算法,并通过小波阈值滤波对所有分量进行去噪后重构,实现去噪效果;但实际应用中分解的多个分量只有部分分量对应电价数据中的周期特征,其余分量多由噪声表达;若使用相同的小波阈值进行去噪可能导致去噪不明显或损坏原数据中的信息,使得去噪效果较差;导致电价波动的分析出现误差、准确性低。
技术实现思路
1、为了解决上述通过固定的小波阈值对电价数据的分量去噪效果差,导致电价波动的分析准确性低的技术问题,本发明的目的在于提供一种基于云计算的电力销售电价数据处理方法,所采用的技术方案具体如下:
2、获取电价数据并通过emd分解获得电价分量;根据所述电价分量中电价的变化特征获得电价周期;
3、根据所述电价周期中电价的差异特征获得电价分量的电价保持度;将所述电价分量中所述电价周期进行匹配获得电价数据点之间的匹配距离;根据所述电价分量中电价周期之间的电价数据点的分布特征和匹配距离获得电价周期的差异度;
4、根据所述差异度的差异特征和电价周期之间的时间距离获得所述电价周期的电价趋势变化度;根据所述电价保持度和所述电价趋势变化度获得所述电价周期的滤波调整系数;
5、根据所述滤波调整系数获得自适应小波阈值;根据所述自适应小波阈值对所述电价分量去噪获得去噪电价数据。
6、进一步地,所述根据所述电价分量中电价的变化特征获得电价周期的步骤包括:
7、在所述电价分量中以预设数值的数据点作为峰谷中点,以第一个峰谷中点为起点,以第三个峰谷中点为终点,将电价分量中的起点至终点的数据点作为一个电价周期;将第一个电价周期的终点作为下一个电价周期的起点,遍历所述电价分量,获得电价分量的所有电价周期。
8、进一步地,所述根据所述电价周期中电价的差异特征获得电价分量的电价保持度的步骤包括:
9、对于任意电价分量的任意电价周期,计算所述任意电价周期对应时刻的所述电价数据的均值,获得周期电价均值;计算所述任意电价周期对应时刻的所有电价分量的数据点的均值,获得周期分量电价均值;计算所述周期电价均值与所述周期分量电价均值的差值绝对值,获得周期电价差异值;计算所述任意电价周期对应时刻的所述电价数据中任意极值点与相邻两个极值点的差值绝对值的平均值,获得相邻极值差;计算所述任意电价周期对应时刻的所述电价数据中所有相邻极值差的和值并负相关映射,获得周期波动表征值;
10、计算所述周期电价差异值与所述周期波动表征值的乘积获得电价离散值;计算所述任意电价分量的所述电价离散值的平均值并负相关映射,获得所述电价分量的所述电价保持度。
11、进一步地,所述将所述电价分量中所述电价周期进行匹配获得电价数据点之间的匹配距离的步骤包括:
12、将所述电价分量中任意两个电价周期对应时刻的电价数据通过dtw算法进行匹配,将匹配后的电价数据点之间的欧氏距离作为电价数据点之间的匹配距离。
13、进一步地,所述根据所述电价分量中电价周期之间的电价数据点的分布特征和匹配距离获得电价周期的差异度的步骤包括:
14、计算所述电价分量中任意电价周期对应时刻的电价数据中任意数据点的切线斜率绝对值,获得第一斜率表征值;计算所述任意数据点距最近峰谷点的欧氏距离,获得第一距离;计算所述第一斜率表征值与所述第一距离的乘积,获得波动幅度表征值;
15、计算所述电价分量中任意电价周期中的任意数据点与其他电价周期的其他数据点之间的波动幅度表征值的乘积并归一化,获得波动幅度组合值;计算任意数据点与其他数据点之间的所述匹配距离与所述波动幅度组合值的乘积,获得数据点差异值;计算所述任意电价周期与所述其他电价周期的数据点差异值的和值,获得所述任意电价周期和其他电价周期的差异度。
16、进一步地,所述根据所述差异度的差异特征和电价周期之间的时间距离获得所述电价周期的电价趋势变化度的步骤包括:
17、计算所述电价分量中任意电价周期与所有其他电价周期之间的差异度的平均值,获得差异平均表征值;计算所述差异度与所述差异平均表征值的差值绝对值,获得任意电价周期与任意其他电价周期之间的差异离散度;计算任意电价周期与任意其他电价周期之间的时间距离特征值和所述差异离散度的乘积,获得电价趋势差异;计算所述电价分量中任意电价周期与所有其他电价周期的电价趋势差异的平均值,获得所述任意电价周期的电价趋势变化度。
18、进一步地,所述时间距离特征值的获取步骤包括:
19、计算所述电价分量中任意两个电价周期之间的时间间隔并负相关映射,获得电价分量中任意两个电价周期之间的时间距离特征值。
20、进一步地,所述根据所述电价保持度和所述电价趋势变化度获得所述电价周期的滤波调整系数的步骤包括:
21、计算电价周期的所述电价趋势变化度与所述电价保持度的比值并归一化,获得所述电价周期的滤波调整系数。
22、进一步地,所述根据所述滤波调整系数获得自适应小波阈值的步骤包括:
23、计算所述滤波调整系数与预设常数的和值,获得调节系数;计算预设小波阈值与所述调节系数的乘积,获得所述电价周期的所述自适应小波阈值。
24、进一步地,所述根据所述自适应小波阈值对所述电价分量去噪获得去噪电价数据的步骤包括:
25、根据所述自适应小波阈值对所述电价分量进行去噪,根据去噪后的电价分量进行重构,获得去噪电价数据。
26、本发明具有如下有益效果:
27、在本发明实施例中,获取电价分量的电价周期能够根据电价周期之间的电价差异表征电价分量的电价保持度,根据电价保持度分析该电价分量受噪声干扰的程度;提高了最终对电价数据去噪的准确性。计算匹配距离能够表征电价分量中不同电价周期之间周期变化的差异特征;获得电价周期的差异度能够根据电价分量中不同电价周期之间的差异特征分析电价周期的噪声影响程度;获得电价趋势变化度能够根据电价周期的差异度的离散特征反映该电价周期的噪声特征。根据滤波调整系数获得自适应小波阈值能够对每个电价进行精确地去噪;最终本发明根据自适应小波阈值对电价分量去噪,能够提高电价数据的去噪效果,降低了电价数据的分析误差。
1.一种基于云计算的电力销售电价数据处理方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述电价分量中电价的变化特征获得电价周期的步骤包括:
3.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述电价周期中电价的差异特征获得电价分量的电价保持度的步骤包括:
4.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述将所述电价分量中所述电价周期进行匹配获得电价数据点之间的匹配距离的步骤包括:
5.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述电价分量中电价周期之间的电价数据点的分布特征和匹配距离获得电价周期的差异度的步骤包括:
6.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述差异度的差异特征和电价周期之间的时间距离获得所述电价周期的电价趋势变化度的步骤包括:
7.根据权利要求6所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述时间距离特征值的获取步骤包括:
8.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述电价保持度和所述电价趋势变化度获得所述电价周期的滤波调整系数的步骤包括:
9.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述滤波调整系数获得自适应小波阈值的步骤包括:
10.根据权利要求1所述的一种基于云计算的电力销售电价数据处理方法,其特征在于,所述根据所述自适应小波阈值对所述电价分量去噪获得去噪电价数据的步骤包括: