1.一种电力负荷历史数据自适应压缩方法，依据电力负荷数据的平均变化量与失真度结合的双重标准对数据进行压缩，其特征是，它包括以下步骤：

1)定义系统初始值：为了体现系统的智能化，初始化值根据历史数据经验值给定，亦可由用户自行调整，

定义k为监测点数；Ta为原始样本的采样周期，Ts为初始采样周期，Td为采样周期改变步长，Tmax为采样周期的最大值，要求Ts、Td和Tmax是Ta的整数倍；δ为采样周期变化集，集合内部元素为T′i，i＝1，2，...，r； 为一段时间内电力负荷值的平均变化量，ΔYmin和ΔYmax分别是平均变化量允许的最小值和平均变化量允许的最大值；D为失真度，Dmax为失真度允许的最大值；S(vs)为历史数据集，S1(vs)为压缩数据集；

2)设 tn是电力负荷值与时间组成的数据对，其中n＝0，1，2，...， 是tn时刻的电力负荷值，首先从历史数据集S(vs)取第一个数据对 t0输入到压缩数据集S1(vs)中；

3)计算一段时间内电力负荷值的平均变化量以Ts为采样周期，计算每个采样点一段时间内电力负荷值的平均变化量，用 表示，计算为公式(1)：

式中 为tn时刻的电力负荷值；

4)自适应采样

每一步都必须判断 是否在[ΔYmin，ΔYmax]内，如果是，将采样到的数据对 tn输入到压缩数据集S1(vs)中，重复步骤3)保持原有采样周期继续采样，直到所有电力负荷数据压缩完成，进入步骤6)；否则，进入步骤5)，结合失真度调整采样周期；

5)调整采样周期

为了更准确的保留原始数据的特征，结合失真度计算最佳采样周期，调整采样周期原则是：若 则减小采样周期，进入步骤(a)；若 则增大采样周期，进入步骤(b)，

(a)减小采样周期，具体步骤如下：①设置初始点和保存当前采样周期值因 不满足当前采样条件，故应从它的上一时刻tn‑1开始调整采样周期，为方便叙述，设X0为 的电力负荷值，X0对应的时间为T0，设Tn为采样周期保存值，并保存当前采样周期Ts的值到Tn中；

②计算预调整采样周期的失真度

设m是Ts周期内原始样本的个数，计算为公式(2)：设X1，X2，...，Xm是以X0为初始点的Ts周期内的原始样本值，对应时间分别是T1，T2，...，Tm，同时设X′1，X′2，...，X′m‑1为按Ts采样周期拟采样的估计值，对应时间分别是T1，T2，...，Tm‑1，

i.计算拟采样的估计值，为公式(3)：ii.计算数据的失真度，为公式(4)：D＝|X1‑X′1|+|X2‑X′2|+…+|Xm‑1‑X′m‑1|    (4)若失真度D∈[0，Dmax)，保持当前采样周期Ts的值不变，存入采样周期变化集δ，将数据Xm和对应的时间输入到压缩数据集S1(vs)，进入步骤(a)的④；否则，进入步骤(a)的③，调整采样周期Ts，

③调整采样周期Ts

根据采样周期改变步长Td来减小采样周期，为公式(5)：Ts＝Ts‑Td   (5)

这时若Ts＞Td，则保持X0不变，重复步骤(a)的②；若Ts≤Td，说明此时采样周期已经很小，应停止调整，返回上一采样周期，为公式(6)：Ts＝Ts+Td     (6)将Ts存入采样周期变化集δ，数据Xm和对应的时间输入到压缩数据集S1(vs)，因此时数据变化剧烈且失真度较大，标记Xm为异常值，然后进入步骤(a)的④，④构建采样周期变化集

数据失真度更能反映出负荷数据的特征，纵使 不在ΔYmin和ΔYmax之间，但数据失真度D∈[0，Dmax)，系统仍应正常采样，所以要先判断新进入的采样周期Ts与初始进入时的采样周期值Tn是否相等，若相等，重复步骤3)，并保持原有采样周期继续采样；否则，把Xm作为X0，并计算新的Ts，为公式(7)：其中r为δ中元素的个数，如果此时Ts＝0，循环结束，进入步骤(a)的⑤；否则，重复步骤(a)的②，

⑤最佳采样周期选取

根据电力负荷数据本身具有相似性的特点，在采样周期变化集δ中取众数作为采样周期，当采样周期变化集δ中众数不唯一时，取各众数平均值作为采样周期，若采样周期变化集δ中无众数时，取δ中所有数据的平均值作为采样周期，对采样周期进行修正保证为Ta的整数倍作为最佳采样周期Ts，为方便下次循环，清空采样周期变化集δ，重复步骤3)继续下个周期采样；

(b)增大采样周期，具体步骤如下：①设置初始点和保存当前采样周期值因 不满足当前采样条件，故应从它的上一时刻tn‑1开始调整采样周期，为方便叙述，设X0为 的电力负荷值，X0对应的时间为T0，设Tn为采样周期保存值，并保存当前采样周期Ts的值到Tn中；

②计算预调整采样周期的失真度

设m是Ts周期内原始样本的个数，计算为公式(2)：设X1，X2，...，Xm是以X0为初始点的Ts周期内的原始样本值，对应时间分别是T1，T2，...，Tm，同时设X′1，X′2，...，X′m‑1为按Ts采样周期拟采样的估计值，对应时间分别是T1，T2，...，Tm‑1，

i.计算拟采样的估计值，为公式(3)：ii.计算数据的失真度，为公式(4)：D＝|X1‑X′1|+|X2‑X′2|+…+|Xm‑1‑X′m‑1|    (4)若失真度D≥Dmax，并且Ts的值与Tn相等，说明此时虽然数据变化平缓，但失真度超出范围，不应再增大采样周期，将当前Ts的值存入采样周期变化集δ，进入步骤(b)的④；若失真度D≥Dmax，并且Ts的值与Tn不相等，说明此时已超出最大失真度，不应再加大采样周期，返回上一采样周期，为公式(5)：

Ts＝Ts‑Td  (5)

将Ts存入采样周期变化集δ，进入步骤(b)的④；否则，说明失真度D∈[0，Dmax)，继续调整采样周期，进入步骤(b)的③，③调整采样周期Ts

根据采样周期改变步长Td来增大采样周期，为公式(6)：Ts＝Ts+Td   (6)

这时若Ts≥Tmax，则把Tmax当做新的Ts存入采样周期变化集δ，进入步骤(b)的④；否则，保持X0不变，重复步骤(b)的②，④更新最佳采样周期

以 为起点，Ts为最佳采样周期，采样新的数据对 tn输入到压缩数据集S1(vs)中，重复步骤3)；

6)异常数据修正

采用拉格朗日插值法对异常数据进行修正，从压缩数据集S1(vs)中取出第一个被标记的数据 从历史数据集中取出 前后的五个数，前后不足5个数据的，取仅有的数据，为方便叙述，设为Z0，Z1，Z2，...，Zp，...，Zq，对应时间分别是T0，T1，T2，...，Tp，...，Tq，利用公式(8)和公式(9)进行插值处理式中：T为异常数据所对应的时间，Tp为正常数据Zp的时间，lp(T)为插值基函数，L(T)为异常数据的插值结果，用修正后的数据L(T)替换压缩数据集S1(vs)中的 重复步骤6)对全部标记的数据进行插补，直到异常数据全部修正完成为止。