Suzhou Electric Appliance Research Institute
期刊號： CN32-1800/TM| ISSN1007-3175

Article retrieval

文章檢索

首頁 >> 文章檢索 >> 往年索引

面向電力現(xiàn)貨市場的缺失數(shù)據(jù)重建方法綜述

來源：電工電氣發(fā)布時間：2024-07-03 09:03 瀏覽次數(shù)：331

面向電力現(xiàn)貨市場的缺失數(shù)據(jù)重建方法綜述

李冬偉，楊學森，崔迪凡，燕飛，謝曉爽
(國網(wǎng)天津市電力公司城東供電分公司，天津 300250)
 
    摘 要：在電力現(xiàn)貨市場實際運行中，其數(shù)據(jù)采集過程可能會因設(shè)備故障、通信問題等因素導(dǎo)致數(shù)據(jù)缺失，影響市場結(jié)算的準確性。分析了電力現(xiàn)貨市場的數(shù)據(jù)特征，討論了數(shù)據(jù)缺失機制，介紹了多種缺失數(shù)據(jù)重建方法及各自的優(yōu)越性和局限性，并對電力缺失數(shù)據(jù)重建方法進行了展望，強調(diào)在未來研究中需要關(guān)注方法的適用性、準確性、可解釋性以及計算效率。
    關(guān)鍵詞： 電力現(xiàn)貨市場；缺失數(shù)據(jù)；數(shù)據(jù)重建；分時電量；市場結(jié)算
    中圖分類號：F407.61 ；TM930.1     文獻標識碼：A     文章編號：1007-3175(2024)06-0001-09
 
A Review of Methods for Reconstructing Missing Data for
Electricity Spot Market
 
LI Dong-wei, YANG Xue-sen, CUI Di-fan, YAN Fei, XIE Xiao-shuang
（State Grid Tianjin Chengdong Electric Power Supply Company, Tianjin 300250, China）
 
    Abstract: In the actual operation of the electricity spot market, the data collection process may be missing due to equipment failures, communication problems and other factors, which will affect the accuracy of market settlement. This paper first analyses the data characteristics of the electricity spot market and discusses the missing data mechanism. Subsequently, a variety of missing data reconstruction methods and their respective superiority and limitations are introduced in detail. Finally, the article provides an outlook on missing data reconstruction methods for electricity and emphasises the need to focus on the applicability, accuracy, interpretability and computational efficiency of the methods in future research.
    Key words: electricity spot market; missing data; data reconstruction; time-sharing charge; market settlement
 
參考文獻
[1] 國家發(fā)展改革委，國家能源局. 關(guān)于加快建設(shè)全國統(tǒng)一電力市場體系的指導(dǎo)意見[EB/OL] . (2022-01-18)[2024-03-20].https://www.gov.cn/zhengce/zhengceku/2022-01/30/content_5671296.htm.
[2] 國家發(fā)展改革委，國家能源局. 關(guān)于印發(fā)《電力現(xiàn)貨市場基本規(guī)則(試行)》的通知[EB/OL] . (2023-09-07)[2024-03-20].https://www.gov.cn/zhengce/zhengceku/202309/content_6904881.htm.
[3] 金勇進. 缺失數(shù)據(jù)的插補調(diào)整[J] . 數(shù)理統(tǒng)計與管理，2001，20(6) ：47-53.
[4] 龐新生. 缺失數(shù)據(jù)插補處理方法的比較研究[J]. 統(tǒng)計與決策，2012，28(24) ：18-22.
[5] 楊曉倩. 缺失數(shù)據(jù)插補方法的選擇研究[D]. 蘭州：蘭州財經(jīng)大學，2016.
[6] 鄧建新，單路寶，賀德強，等. 缺失數(shù)據(jù)的處理方法及其發(fā)展趨勢[J] . 統(tǒng)計與決策，2019，35(23) ：28-34.
[7] 李富盛，陳偉松，錢斌，等. 面向低壓配電網(wǎng)智能電表誤差監(jiān)測的 LightGBM-EM-EC 多變量缺失數(shù)據(jù)高效重建[J] . 中國電機工程學報，2022，42(S1) ：95-105.
[8] 廖祥超. 九種常用缺失值插補方法的比較[D] . 昆明：云南師范大學，2017.
[9] 徐鴻艷，孫云山，秦琦琳，等. 缺失數(shù)據(jù)插補方法性能比較分析[J]. 軟件工程，2021，24(11) ：11-14.
[10] 冷亞軍，吳宗育，梁昌勇，等. 基于 EM 填補和加權(quán)秩和比的電力系統(tǒng)黑啟動決策方法[J] . 中國管理科學，2022，30(12) ：327-337.
[11] 路昂. 基于用電負荷的缺失數(shù)據(jù)插補方法研究[J]. 分布式能源，2020，5(4) ：74-80.
[12] 宋亮，萬建洲. 缺失數(shù)據(jù)插補方法的比較研究[J]. 統(tǒng)計與決策，2020，36(18) ：10-14.
[13] 龐新生. 多重插補處理缺失數(shù)據(jù)方法的理論基礎(chǔ)探析[J]. 統(tǒng)計與決策，2005，21(4) ：12-14.
[14] 楊茂，王金鑫，都鍵. 基于極限學習機與格蘭杰檢驗的風電功率缺失數(shù)據(jù)補齊[J] . 東北電力大學學報，2019，39(4) ：9-16.
[15] 谷海彤，陳邵華，吳曉強，等. DA 多重插補法在電網(wǎng)電能量數(shù)據(jù)缺失處理中的應(yīng)用[J] . 廣西科技大學學報，2017，28(3) ：103-109.
[16] 中國電力企業(yè)聯(lián)合會. 電網(wǎng)短期和超短期負荷預(yù)測技術(shù)規(guī)范：DL/T 1711—2017[S]. 北京：中國電力出版社，2017：3.
[17] 林輝，劉晶，郝志峰，等. 基于相似日負荷修正的節(jié)假日短期負荷預(yù)測[J] . 電力系統(tǒng)保護與控制，2010，38(7) ：47-51.
[18] 國家能源局山東監(jiān)管辦公室. 關(guān)于修訂《山東省電力現(xiàn)貨市場交易規(guī)則( 試行)》《山東省電力中長期市場交易規(guī)則( 試行)》《山東省電力零售市場交易規(guī)則( 試行)》的通知[EB/OL].(2020-07-31)[2024-03-21].https://sdb.nea.gov.cn/dtyw/tzgg/202309/t20230919_110428.html.
[19] 王華佑，孫云蓮，謝文旺，等. 一種實時在線的用戶電量數(shù)據(jù)修正方法[J] . 電測與儀表，2018，55(19) ：101-105.
[20] 程雅夢，李明，李悅，等. 基于計量在線監(jiān)測及智能診斷的日電量擬合研究[J] . 供用電，2021，38(1) ：74-79.
[21] 莫維仁，張伯明，孫宏斌，等. 短期負荷預(yù)測中選擇相似日的探討[J] . 清華大學學報(自然科學版)，2004，44(1) ：106-109.
[22] 李邦云，袁貴川，丁曉群. 基于相似搜索和加權(quán)回歸技術(shù)的短期電價預(yù)測[J] . 電力自動化設(shè)備，2004，24(1) ：42-45.
[23] 周潮，邢文洋，李宇龍. 電力系統(tǒng)負荷預(yù)測方法綜述[J].電源學報，2012(6) ：32-39.
[24] 廖旎煥， 胡智宏， 馬瑩瑩， 等. 電力系統(tǒng)短期負荷預(yù)測方法綜述[J] . 電力系統(tǒng)保護與控制，2011，39(1) ：147-152.
[25] 毛李帆，姚建剛，金永順，等. 中長期負荷預(yù)測的異常數(shù)據(jù)辨識與缺失數(shù)據(jù)處理[J] . 電網(wǎng)技術(shù)，2010，34(7) ：148-153.
[26] 朱夢成. 面向缺失數(shù)據(jù)處理的 SVM 算法研究[D]. 天津：天津大學，2017.
[27] 馮磊，王石剛，梁慶華. 基于 GAKNN 方法的配電站時間序列缺失數(shù)據(jù)補全方法[J] . 電力自動化設(shè)備，2021，41(12) ：187-192.
[28] MALARVIZHI M R.K-NN Classifier Performs Better Than K-Means Clustering in Missing Value Imputation[J].Iosrjournals Org， 2012， 6(5) ：12-15.
[29] 梅玉杰，李勇，周王峰，等. 基于機器學習的配電網(wǎng)異常缺失數(shù)據(jù)動態(tài)清洗方法[J] . 電力系統(tǒng)保護與控制，2023，51(7) ：158-169.
[30] 王策. 一種基于 k-means 算法和關(guān)聯(lián)規(guī)則的缺失數(shù)據(jù)填補方法[D]. 哈爾濱：哈爾濱工程大學，2014.
[31] 楊挺，何周澤，趙東艷，等. 基于 FSOM 神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量數(shù)據(jù)缺失修復(fù)算法[J] . 電網(wǎng)技術(shù)，2020，44(5) ：1941-1949.
[32] 嚴明輝，潘舒宸，吳滇寧，等. 基于非參數(shù)核密度估計的電力市場用戶電量異常數(shù)據(jù)辨識與修正方法[J] .現(xiàn)代電力，2022，39(1) ：80-87.
[33] 陳振宇，劉金波，李晨，等. 基于 LSTM 與 XGBoost 組合模型的超短期電力負荷預(yù)測[J] . 電網(wǎng)技術(shù)，2020，44(2) ：614-620.
[34] 趙龍，楊波，盧志鵬，等. 基于譜聚類和 AM-LSTM 的分布式光伏集群超短期預(yù)測方法[J] . 供用電，2023，40(7) ：10-17.
[35] 郭蘊穎，丁云峰. 基于 CNN 和 LSTM 聯(lián)合預(yù)測并修正的電量缺失數(shù)據(jù)預(yù)測[J] . 計算機系統(tǒng)應(yīng)用，2020，29(8) ：192-198.
[36] 王子馨，胡俊杰，劉寶柱. 基于長短期記憶網(wǎng)絡(luò)的電力系統(tǒng)量測缺失數(shù)據(jù)恢復(fù)方法[J] . 電力建設(shè)，2021，42(5) ：1-8.
[37] 王坤峰，茍超，段艷杰，等. 生成式對抗網(wǎng)絡(luò) GAN 的研究進展與展望[J] . 自動化學報，2017，43(3) ：321-332.
[38] 王守相，陳海文，潘志新，等. 采用改進生成式對抗網(wǎng)絡(luò)的電力系統(tǒng)量測缺失數(shù)據(jù)重建方法[J]. 中國電機工程學報，2019，39(1) ：56-64.
[39] 蔡榕，楊雪，田江，等. 基于相關(guān)性分析和生成對抗網(wǎng)絡(luò)的電網(wǎng)缺失數(shù)據(jù)填補方法[J] . 電力工程技術(shù)，2024，43(1) ：229-237.
[40] RONNEBERGER O , FISCHER P , BROX T . U-Net:Convolutional Networks for Biomedical Image Segmentation[C]//International Conference on Medical Image Computing and Computer-Assisted Intervention，2015 ：234-241.
[41] 許慧敏. 基于深度學習 U-Net 模型的高分辨率遙感影像分類方法研究[D]. 成都：西南交通大學，2018.
[42] 崔陽陽，趙洪山，曲岳晗，等. 基于殘差 U 型網(wǎng)絡(luò)的低壓臺區(qū)電力缺失數(shù)據(jù)補全方法[J] . 電力系統(tǒng)自動化，2022，46(9) ：83-90.
[43] DONOHO D L.Compressed sensing[J].IEEE Transactions on Information Theory，2006，52(4) ：1289-1306.
[44] 陳蕾，陳松燦. 矩陣補全模型及其算法研究綜述[J] .軟件學報，2017，28(6) ：1547-1564.
[45] 彭義剛， 索津莉， 戴瓊海， 等. 從壓縮傳感到低秩矩陣恢復(fù)：理論與應(yīng)用[J] . 自動化學報，2013，39(7) ：981-994.
[46] CANDES E J , TAO J . The Power of Convex Relaxation: Near-Optimal Matrix Completion[J].IEEE Transactions on Information Theory， 2010，56(5) ：2053-2080.
[47] 劉正超，吳科成，蔡瓏，等. 基于線性 Bregman 方法的缺失負荷數(shù)據(jù)低秩矩陣補全[J] . 廣東電力，2018，31(5) ：68-73.
[48] 喬文俞，李野，劉浩宇，等. 基于曲線相似與低秩矩陣的缺失電量數(shù)據(jù)補全方法[J] . 電力建設(shè)，2020，41(1) ：32-38.
[49] 趙洪山，壽佩瑤，馬利波. 低壓臺區(qū)缺失數(shù)據(jù)的張量補全方法[J] . 中國電機工程學報，2020，40(22) ：7328-7336.
[50] 李培冠，於志勇，黃昉菀. 基于稀疏表示的電力負荷數(shù)據(jù)補全[J]. 計算機科學，2021，48(2) ：128-133.
[51] 楊挺，孫兆帥，季浩，等. 基于矩陣范數(shù)優(yōu)化理論的用電數(shù)據(jù)質(zhì)量提升算法[J] . 中國電機工程學報，2022，42(10) ：3501-3511.