家庭用电数据清洗

电力系统中的负荷曲线数据是指通过电表周期性采集的用户电能消耗数据，已成为现代电力系统最重要的资产之一。许多运营决策均基于从数据中发现的信息制定。然而，负荷曲线数据通常因数据传输错误或电表故障等各种因素而受到污染。为解决这一问题，学术界已在负荷曲线数据清洗方面投入了大量研究精力。现有大多数方法采用来自供电侧（即电力服务提供商）的异常检测方法，而这些方法往往仅能获取聚合负荷数据。在本文中，我们提出寻求用电侧（即电力服务用户）的协助。借助关于用户电器的现成知识，我们提出了一种新的电器驱动型负荷曲线数据清洗方法。该方法利用数据生成规则和序列局部优化算法（SLOA）来解决损坏数据识别问题（CDIP）。我们使用真实世界轨迹数据和合成数据评估了 SLOA 的性能。结果表明，与 B 样条平滑等现有负荷数据清洗方法相比，我们的方法整体性能更优，能够有效识别连续损坏的数据。实验结果还表明，我们的方法在各种测试中均具有鲁棒性。该方法为一种新兴的行业应用提供了高度可行且可靠的解决方案。