一種調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)領(lǐng)域，特別是指一種調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法 和裝置。
【背景技術(shù)】
[0002] 電力調(diào)度控制系統(tǒng)實現(xiàn)對實時運行的電力系統(tǒng)進(jìn)行數(shù)據(jù)采集、監(jiān)視、控制和安全 分析功能，是電力調(diào)度最重要的系統(tǒng)。但是調(diào)度控制系統(tǒng)采集的數(shù)據(jù)中普遍存在數(shù)據(jù)缺失 的問題，比如SCADA、WAMS系統(tǒng)采集現(xiàn)場數(shù)據(jù)的缺失問題。因此對缺失數(shù)據(jù)的準(zhǔn)確的填補(bǔ)， 獲得高質(zhì)量的數(shù)據(jù)，就顯得尤為重要。在缺失數(shù)據(jù)填補(bǔ)方法中，多重填補(bǔ)法占據(jù)重要的地 位。多重填補(bǔ)法通過填充方法得到多個完整的數(shù)據(jù)集進(jìn)行數(shù)據(jù)分析，并將結(jié)果綜合分析產(chǎn) 生推斷，反映了缺失數(shù)據(jù)帶來的不確定性和增加了估計的效率。
[0003] 但是MultipleImputation(簡稱MI，多重填補(bǔ)）中也存在技術(shù)挑戰(zhàn)，即如何進(jìn)行 有效的填補(bǔ)。目前，缺失值是從聯(lián)合后驗分布中抽取，但對于多變量數(shù)據(jù)以及非線性關(guān)系等 情況要實現(xiàn)這一點也是不易的。比如，在MI中常用到ExceptionMaximization(簡稱EM， 最大期望算法）算法進(jìn)行整體數(shù)據(jù)參數(shù)（比如均值和方差矩陣）估計，之后又提出了ECM 算法、ECME算法等，但這些算法容易陷入局部最優(yōu)解，并且迭代速度較慢。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的目的在于提出一種調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法 和裝置，能夠估計不完整數(shù)據(jù)參數(shù)，得到準(zhǔn)確的數(shù)據(jù)參數(shù)，從而獲得缺失數(shù)據(jù)的估計值。
[0005] 基于上述目的本發(fā)明提供的調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法，包括步 驟：
[0006] 確定需要估計的數(shù)據(jù)參數(shù)；
[0007] 根據(jù)確立的數(shù)據(jù)參數(shù)，建立估計模型；
[0008] 根據(jù)估計模型利用混沌映射確定數(shù)據(jù)參數(shù)的初始值；
[0009] 根據(jù)確定的初始值和估計模型，對數(shù)據(jù)參數(shù)按照進(jìn)化規(guī)則做進(jìn)化操作，直到迭代 進(jìn)化得到最優(yōu)估計值。
[0010] 可選地，所述確定需要估計的數(shù)據(jù)參數(shù)是對調(diào)度控制系統(tǒng)進(jìn)行數(shù)據(jù)采集，然后將 采集的數(shù)據(jù)通過對數(shù)似然函數(shù)得到待估計參數(shù)。
[0011] 進(jìn)一步地，所述對調(diào)度控制系統(tǒng)進(jìn)行數(shù)據(jù)采集包括假設(shè)調(diào)度控制系統(tǒng)采集的數(shù)據(jù) 為數(shù)據(jù)集Y，Y有K個屬性，屬性值可看作K個隨機(jī)變量Xi，X2，…，Χκ，并且滿足K維正態(tài)分 布；數(shù)據(jù)集Υ中含有缺失數(shù)據(jù)，記Υ= (Υ^，Υ_)，為無缺失值的數(shù)據(jù)集合，Υ_為有數(shù)據(jù) 缺失的數(shù)據(jù)集合；通過完整的數(shù)據(jù)集中每一列的數(shù)據(jù)得到相應(yīng)隨機(jī)變量Xi，X2，…，\的 上下界，并記作[mini,maxj(i= 1，2,…，K) 0
[0012] 進(jìn)一步地，所述將采集的數(shù)據(jù)通過對數(shù)似然函數(shù)得到待估計參數(shù)是待估計參數(shù)以 包含參數(shù)的對數(shù)似然函數(shù)作為目標(biāo)函數(shù)：設(shè)待估計參數(shù)Θ為數(shù)據(jù)的均值μ和協(xié)方差矩陣 Σ，記作θ= (μ,Σ);含有待估計參數(shù)Θ的對數(shù)似然函數(shù)如下：
[0013]
[0014] 其中，μ= (μμ2,…，μκ)為均值向量，表示各變量的均值；Σ= (σd為變 量（XdX2,…，Χκ)的協(xié)方差矩陣；Xi表示數(shù)據(jù)記錄i(i= 1，2,…，η)對應(yīng)變量的向量，η為 數(shù)據(jù)記錄的個數(shù)。
[0015] 進(jìn)一步地，所述根據(jù)確立的數(shù)據(jù)參數(shù)建立估計模型是根據(jù)對數(shù)似然函數(shù)極大化原 貝1J，可將原問題轉(zhuǎn)化為帶約束條件的單目標(biāo)優(yōu)化問題；其約束條件模型如下：
[0016]
[0017]
[0018] 進(jìn)一步地，所述根據(jù)估計模型利用混沌映射確定數(shù)據(jù)參數(shù)的初始值是按照下式 logistic映射方程，得到一組混純隨機(jī)數(shù)，記作y2,…，yn;
[0019]yn+i=vyn(l-yn)n= 1, 2,···, °°
[0020] 其中，其中71在（0，1)內(nèi)隨機(jī)取0.5以外的值，v在區(qū)間（0,4]內(nèi)取值；
[0021 ] 然后，按K個數(shù)為一組，將混沌隨機(jī)數(shù)yi，y2，…，yn分為m組，記為（yn，…，y1K)，… ，（ymi，…，ymii);根據(jù)參數(shù)約束條件min#μAmax;，i= 1，2,…，K，將m組混純隨機(jī)數(shù)按 照下式映射到參數(shù)空間，生成參數(shù)；
[0022] Hji=y^X(maXi-mirii) +mini,i= 1, ···,K；j= 1, ···,m
[0023] 得到參數(shù)均值（μn, ···,μ1K), ···, (μη1, ···,μηΚ)，將均值填充求方差得到參數(shù) θ2，…，θη;則參數(shù)Θ。，Θ:，θ2，…，θη可組成參數(shù)群，將其代入目標(biāo)函數(shù)f(9)，進(jìn)行 驗證，得到每個參數(shù)的適應(yīng)情況。
[0024] 進(jìn)一步地，所述根據(jù)確定的初始值和估計模型對數(shù)據(jù)參數(shù)按照進(jìn)化規(guī)則做進(jìn)化操 作包括：首先根據(jù)遺傳算法中的進(jìn)化思想，保留目標(biāo)函數(shù)值較高的參數(shù)，淘汰目標(biāo)函數(shù)值較 低的參數(shù)，對部分參數(shù)進(jìn)化，并且保持參數(shù)的數(shù)量不變；然后保留下來的參數(shù)個體進(jìn)行交 叉、變異操作。
[0025] 進(jìn)一步地，所述的交叉的操作進(jìn)化過程為：設(shè)P。為交叉概率，參數(shù)種群中含有m個 參數(shù)個體，從參數(shù)種群中選取mDP。個染色體進(jìn)行交叉操作；假設(shè)Θθ2，…，θη表示參 數(shù)種群的父代，將其隨機(jī)選擇兩個參數(shù)θΘ，組成交叉對，記作（θΘ卩，i，je(1，2,… ，m)且i乒j;
[0026] 所述變異的操作進(jìn)化過程為：設(shè)Θ1是某代參數(shù)種群中的一個個體，其中均值為 (μη，···，μ?Κ)，μ# [minpmax』；在（1，2，···，Κ)中隨機(jī)選擇r，按下式進(jìn)行變異，貝lj變異 后的均值為（μn，…，μ'y…，μlK)，可得到變異后的參數(shù)Θ/ ;
[0027]
[0028] 式中，為產(chǎn)生均勻分布的隨機(jī)函數(shù)，產(chǎn)生一個隨機(jī)數(shù)；
ne[0，1]為一個隨機(jī)數(shù)，g為變異最大代數(shù)，g為當(dāng)前變異代數(shù)， β是決定非一致性程度的參數(shù)。
[0029] 進(jìn)一步地，所述的直到迭代進(jìn)化得到最優(yōu)估計值是判斷是否滿足迭代終止條件， 若滿足則終止迭代，得到最優(yōu)估計值；若不滿足，則繼續(xù)根據(jù)確定的初始值和估計模型對數(shù) 據(jù)參數(shù)按照進(jìn)化規(guī)則做進(jìn)化操作；
[0030] 其中，迭代終止條件為最優(yōu)目標(biāo)函數(shù)值連續(xù)1次不變或者變化范圍小于值α，即 ?，其中fT為迭代循環(huán)了i次后最優(yōu)參數(shù)對應(yīng)的目標(biāo)函數(shù)值；1取值為為10-20，α取值范圍為[10 5, 10 3]。
[0031] 另外，本發(fā)明還提出了一種調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計裝置，包括：
[0032] 數(shù)據(jù)預(yù)處理單元，用于確定需要估計的數(shù)據(jù)參數(shù)；
[0033] 模型建立單元，用于根據(jù)確立的數(shù)據(jù)參數(shù)，建立估計模型；
[0034] 初始值獲取單元，用于根據(jù)估計模型利用混沌映射確定數(shù)據(jù)參數(shù)的初始值；
[0035] 迭代單元，用于根據(jù)確定的初始值和估計模型，對數(shù)據(jù)參數(shù)按照進(jìn)化規(guī)則做進(jìn)化 操作，直到迭代進(jìn)化得到最優(yōu)估計值。
[0036] 從上面所述可以看出，本發(fā)明提供的調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法和 裝置，通過確定需要估計的數(shù)據(jù)參數(shù)；根據(jù)確立的數(shù)據(jù)參數(shù)，建立估計模型；根據(jù)估計模型 利用混沌映射確定數(shù)據(jù)參數(shù)的初始值；根據(jù)確定的初始值和估計模型，對數(shù)據(jù)參數(shù)按照進(jìn) 化規(guī)則做進(jìn)化操作，直到迭代進(jìn)化得到最優(yōu)估計值。從而，所述調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參 數(shù)的估計方法和裝置可以獲得準(zhǔn)確地不完整數(shù)據(jù)集的參數(shù)，大幅度加快數(shù)據(jù)迭代的速度。
【附圖說明】
[0037]圖1為本發(fā)明實施例中調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法的流程示意圖；
[0038]圖2為本發(fā)明另一實施例中調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法的流程示 意圖；
[0039]圖3為本發(fā)明實施例中調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計裝置的結(jié)構(gòu)示意圖；
[0040] 圖4為ΕΜ算法與本發(fā)明估計參數(shù)過程的示意圖。
【具體實施方式】
[0041] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照 附圖，對本發(fā)明進(jìn)一步詳細(xì)說明。
[0042] 在本發(fā)明的一個實施例中，根據(jù)圖1中所示的調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估 計方法的流程示意圖，所述調(diào)度控制系統(tǒng)不完整數(shù)據(jù)參數(shù)的估計方法包括：
[0043] 步驟101，確定需要估計的數(shù)據(jù)參數(shù)。
[0044] 較佳地，所述的數(shù)據(jù)參數(shù)以包含參數(shù)的對數(shù)似然函數(shù)作為目標(biāo)函數(shù)。
[0045] 步驟102,根據(jù)確立的數(shù)據(jù)參數(shù)，建立估計模型。
[0046] 在實施例中，通過已有樣本數(shù)據(jù)獲得參數(shù)的相應(yīng)約束條件，由目標(biāo)函數(shù)和約束條 件共同構(gòu)成估計模型。
[0047] 步驟103,根據(jù)估計模型利用混沌映射確定數(shù)據(jù)參數(shù)的初始值。
[0048] 優(yōu)選地，初始值的確定可以根據(jù)約束條件首次給出一組在約束條件內(nèi)均勻分布的 參數(shù)，然后求每個參數(shù)相對應(yīng)的目標(biāo)函數(shù)值。
[0049] 步驟104,根據(jù)確定的初始值和估計模型，對數(shù)據(jù)參數(shù)按照進(jìn)化規(guī)則做進(jìn)化操作， 直到迭代