配变台区的负荷数据修补方法、装置、终端及存储介质与流程

1.本发明涉及配变台区技术领域，尤其涉及一种配变台区的负荷数据修补方法、装置、终端及存储介质。


背景技术：

2.配电网的配变台区的负荷数据是配电网运行状态分析与优化调度的基础数据之一，配变台区的负荷数据可能会因为设备维修、传输网络故障、系统升级等原因导致负荷数据缺失，将对配电网的负荷特性分析、负荷趋势预测等造成影响，因此需要对配变台区缺失的负荷数据进行修补。
3.现有技术一般以缺失负荷数据附近的负荷有效值或者有效平均值作为修补数据，对缺失的负荷数据进行填充，修补精度低，影响配电网进行负荷分析的准确性。


技术实现要素：

4.本发明提供了一种配变台区的负荷数据修补方法、装置、终端及存储介质，以解决现有技术对缺失的负荷数据进行填充，修补精度低，影响配电网进行负荷分析的准确性的问题。
5.第一方面，本发明提供了一种配变台区的负荷数据修补方法，包括：
6.将配电网中的配变台区划分为n个组别，n为正整数；
7.针对每一个组别，根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区和待修补配变台区；获取参考配变台区的负荷特征数据和待修补配变台区的待修补数据；根据参考配变台区的特征负荷数据构建目标参考预测模型；将待修补配变台区的待修补数据输入目标参考预测模型，得到待修补配变台区的负荷缺失值，并根据负荷缺失值对待修补配变台区的负荷数据进行修补。
8.在一种可能的实现方式中，配变台区对应的历史负荷数据包括配变台区的有效负荷的记录数量、配变台区的有效负荷的时间跨度和配变台区的有效负荷的负荷平均值；
9.根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区，包括：
10.针对该组别中的每一个配变台区，利用预先确定的评分公式，根据该配变台区的有效负荷的记录数量、该配变台区的有效负荷的时间跨度和该配变台区的有效负荷的负荷平均值计算该配变台区的综合评分；选取该组别中综合评分最高的配变台区作为该组别的参考配变台区。
11.在一种可能的实现方式中，预先确定的评分公式为：
12.s＝30*(r/r
max
) 30*(t/t
max
) 40*(a/a
max
)
13.其中，s为待评分配变台区的综合评分，r为待评分配变台区的有效负荷的记录数量，r
max
为该组别中各个配变台区的有效负荷的记录数量中的最大值，t为待评分配变台区的有效负荷的时间跨度，t
max
为该组别中各个配变台区的有效负荷的时间跨度中的最大值，
a为待评分配变台区的有效负荷的负荷平均值，a
max
为该组别中各个配变台区的有效负荷的负荷平均值中的最大值。
14.在一种可能的实现方式中，将配电网中的配变台区划分为n个组别，包括：
15.根据配电网中的配变台区的数量确定组别数n；
16.对配电网中的各个配变台区的历史负荷数据进行聚类，将配电网中的配变台区划分为n个组别。
17.在一种可能的实现方式中，根据配电网中的配变台区的数量确定组别数n，包括：
[0018][0019]
其中，m为预设组别数量，x为配电网中配变台区的数量，y为第一预设数量，z为第二预设数量，ceil(
·
)表示向上取整。
[0020]
在一种可能的实现方式中，根据参考配变台区的特征负荷数据构建目标参考预测模型，包括：
[0021]
将参考配变台区的特征负荷数据划分为训练特征负荷集和测试特征负荷集；
[0022]
利用训练特征负荷集对原始参考预测模型进行训练，得到训练好的参考预测模型，并利用测试特征负荷集对训练好的参考预测模型进行验证，以得到目标参考预测模型。
[0023]
在一种可能的实现方式中，参考配变台区的负荷特征数据为：在包括预设时间点的预设时间段内，参考配变台区的历史负荷数据；
[0024]
待修补配变台区的待修补数据为：在除预设时间点以外，预设时间段内，待修补配变台区的历史负荷数据；
[0025]
预设时间点为待修补配变台区的负荷缺失值对应的时间点。
[0026]
第二方面，本发明提供了一种配变台区的负荷数据修补装置，包括：
[0027]
划分模块，用于将配电网中的配变台区划分为n个组别；
[0028]
计算模块，用于针对每一个组别，根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区和待修补配变台区；获取参考配变台区的负荷特征数据和待修补配变台区的待修补数据；根据参考配变台区的特征负荷数据构建目标参考预测模型；将待修补配变台区的待修补数据输入目标参考预测模型，得到待修补配变台区的负荷缺失值，并根据负荷缺失值对待修补配变台区的负荷数据进行修补。
[0029]
第三方面，本发明提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式配变台区的负荷数据修补方法的步骤。
[0030]
第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式配变台区的负荷数据修补方法的步骤。
[0031]
本发明实施例提供一种配变台区的负荷数据修补方法、装置、终端及存储介质，通过将配电网中的配变台区划分为n个组别，将相近的配变台区划分为同组，可以提高负荷数据修补的效率；针对每一个组别，首先，确定该组别的参考配变台区和待修补配变台区；其次，根据参考配变台区的负荷特征数据构建目标参考预测模型；最后，将待修补配变台区的
负荷特征数据输入目标参考预测模型，得到待修补配变台区的负荷缺失值，进而对待修补配变台区进行修补。利用参考配变台区的负荷数据构建预测模型，可以提高负荷缺失值预测的可靠性和准确性，有利于提高配电网进行负荷分析的准确性，进而提高配电网工作的可靠性。
附图说明
[0032]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0033]
图1是本发明实施例提供的配变台区的负荷数据修补方法的实现流程图；
[0034]
图2是本发明实施例提供的配变台区的负荷数据修补装置的结构示意图；
[0035]
图3是本发明实施例提供的终端的示意图。
具体实施方式
[0036]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0037]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0038]
参见图1，其示出了本发明实施例提供的配变台区的负荷数据修补方法的实现流程图。如图1所示，一种配变台区的负荷数据修补方法，可以包括：
[0039]
s101，将配电网中的配变台区划分为n个组别，n为正整数。
[0040]
可选的，可以根据配变台区的地域分布或者配变台区的负荷数据特征，将属性或者特征相近的配变台区划分到同一组别，提高负荷数据修补的可靠性。组别数量n的选取与配电网中配变台区的总数量相关，n为正整数。
[0041]
s102，针对每一个组别，根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区和待修补配变台区；获取参考配变台区的负荷特征数据和待修补配变台区的待修补数据；根据参考配变台区的特征负荷数据构建目标参考预测模型；将待修补配变台区的待修补数据输入目标参考预测模型，得到待修补配变台区的负荷缺失值，并根据负荷缺失值对待修补配变台区的负荷数据进行修补。
[0042]
可选的，参考配变台区为该组别中负荷数据完整性最好的配变台区，待修补配变台区为该组别中负荷数据缺失的配变台区。
[0043]
可选的，历史负荷数据可以包括配变台区的日均负荷、日最大负荷、日最小负荷、工作日日均负荷、周末(非工作日)日均负荷、工作日日均负荷与周末日均负荷比值、上午平均负荷、下午平均负荷和晚上平均负荷或者台区容量等。
[0044]
示例性的，上午平均负荷可以为配变台区在8点至12点的平均负荷，下午平均负荷可以为配变台区在14点至17点的平均负荷，晚上平均负荷可以为配变台区在18点至22点的
平均负荷。
[0045]
可选的，在确定该组别的参考配变台区时，可以选取历史负荷数据中的一种或者多种，作为评分项目，对该组别中的所有配变台区进行综合评分，选取综合评分最高的配变台区作为该组别的参考配变台区。在确定该组别的参考配变台区后，可以采用增强数据完备的技术手段和运维策略，例如采用多源采集与多设备存储、异地备份、区块链等方式确保参考配变台区的负荷数据的完备性，提升参考配变台区的数据质量，增强鲁棒性。
[0046]
可选的，在确定该组别的待修补配变台区时，针对该组别中每一个配变台区，可以采用如下方式进行：
[0047]
第一，以该配变台区的历史负荷数据中最小时间点为起点，最大时间点为重点，构建时间轴，例如可以构建15分钟时间粒度的时间轴。
[0048]
第二，将该配变台区的时间轴与该配变台区的雷师傅和数据采用左外连接方式取交集，没有对应历史负荷数据的时间点即为缺失负荷数据的时间点，也即判定该配变台区为待修补配变台区。
[0049]
可选的，待修补配变台区的待修补数据可以由待修补配变台区负荷缺失值对应的时间点为中心，选取该时间点两侧的历史负荷数据作为待修补数据。
[0050]
为保证参考预测模型的预测可靠性，因此可以选取与待修补配变台区的待修补数据相同时间段的参考配变台区的历史数据作为参考配变台区的负荷特征数据，其中，参考配变台区的负荷特征数据包括在该时间点的历史负荷数据。
[0051]
示例性的，假设待修补配变台区在某月15号的负荷值缺失，对于待修补配变台区，可以选取10～14号，以及16～20号的负荷数据作为待修补配变台区的待修补数据。对于参考配变台区，可以选取10号～20号的负荷数据作为参考配变台区的负荷特征数据，进而构建目标参考预测模型。
[0052]
具体的，目标参考预测模型可以包括线性回归预测模型、随机森林预测模型、xgboost(extreme gradient boosting)预测模型、lightgbm(light gradient boosting machine)预测模型、lstm(long short-term memory)预测模型、gru(gate recurrent unit)预测模型等中的一种或者多种。
[0053]
本发明实施例利用参考配变台区的负荷数据构建预测模型，将待修补配变台区的相关数据输入该预测模型，进而得到待修补配变台区的负荷缺失值，可以提高负荷缺失值预测的可靠性和准确性，有利于提高配电网进行负荷分析的准确性，进而提高配电网工作的可靠性。
[0054]
在本发明的一些实施例中，配变台区对应的历史负荷数据包括配变台区的有效负荷的记录数量、配变台区的有效负荷的时间跨度和配变台区的有效负荷的负荷平均值；
[0055]
根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区，可以包括：
[0056]
针对该组别中的每一个配变台区，利用预先确定的评分公式，根据该配变台区的有效负荷的记录数量、该配变台区的有效负荷的时间跨度和该配变台区的有效负荷的负荷平均值计算该配变台区的综合评分；选取该组别中综合评分最高的配变台区作为该组别的参考配变台区。
[0057]
可选的，对于每一配变台区，负荷值大于零的负荷为有效负荷，记录有效负荷的数
量；将有效负荷的最大时间和最小时间的差值，作为为有效负荷的时间跨度；将在该时间跨度内的有效负荷平均值，作为有效负荷的负荷平均值。
[0058]
在本发明的一些实施例中，预先确定的评分公式为：
[0059]
s＝30*(r/r
max
) 30*(t/t
max
) 40*(a/a
max
)
[0060]
其中，s为待评分配变台区的综合评分，r为待评分配变台区的有效负荷的记录数量，r
max
为该组别中各个配变台区的有效负荷的记录数量中的最大值，t为待评分配变台区的有效负荷的时间跨度，t
max
为该组别中各个配变台区的有效负荷的时间跨度中的最大值，a为待评分配变台区的有效负荷的负荷平均值，a
max
为该组别中各个配变台区的有效负荷的负荷平均值中的最大值。
[0061]
可选的，还可以选取有效负荷数量最多的台区作为参考配变台区，如果有几个台区的有效负荷数相差不超过5％，再依次使用时间跨度最长和负荷平均值最大的条件进行确定。
[0062]
在本发明的一些实施例中，上述s101可以包括：
[0063]
根据配电网中的配变台区的数量确定组别数n；
[0064]
对配电网中的各个配变台区的历史负荷数据进行聚类，将配电网中的配变台区划分为n个组别。
[0065]
可选的，可以选取每个配变台区历史负荷数据中的平均负荷、最大负荷、最小负荷、工作日负荷平均值、周末负荷平均值作为特征数据，n为聚类的簇数，利用聚类方法将配电网中的配变台区聚为n类，即将配电网中的配变台区划分为n个组别。
[0066]
可选的，聚类方法可以包括knn(k-nearest neighbor)聚类算法、k-means聚类算法、dbscan(density-based spatial clustering of applications with noise)聚类算法。
[0067]
在本发明的一些实施例中，根据配电网中的配变台区的数量确定组别数n，包括：
[0068][0069]
其中，m为预设组别数量，x为配电网中配变台区的数量，y为第一预设数量，z为第二预设数量，ceil(
·
)表示向上取整。x、y、z和m均为正整数。
[0070]
可选的，预设组别数量m可以为10，第一预设数量y可以为10000，第二预设数量z可以为5000。
[0071]
示例性的，当配电网中配变台区的数量x小于或等于10000时，n取10；x大于10000时，每多出5000个台区多增加1个分组，计算结果向上取整。
[0072]
在本发明的一些实施例中，根据参考配变台区的特征负荷数据构建目标参考预测模型，可以包括：
[0073]
将参考配变台区的特征负荷数据划分为训练特征负荷集和测试特征负荷集；
[0074]
利用训练特征负荷集对原始参考预测模型进行训练，得到训练好的参考预测模型，并利用测试特征负荷集对训练好的参考预测模型进行验证，以得到目标参考预测模型。
[0075]
可选的，可以将参考配变台区的特征负荷数据中的60％作为训练特征负荷集，对原始参考模型进行训练，将参考配变台区的特征负荷数据中的40％作为测试特征负荷集面
对训练好的参考预测模型进行验证，经过预测性能调整和优化预测模型参数，最终得到满足要求的目标参考预测模型。
[0076]
在本发明的一些实施例中，参考配变台区的负荷特征数据为：在包括预设时间点的预设时间段内，参考配变台区的历史负荷数据；
[0077]
待修补配变台区的待修补数据为：在除预设时间点以外，预设时间段内，待修补配变台区的历史负荷数据；
[0078]
预设时间点为待修补配变台区的负荷缺失值对应的时间点。
[0079]
示例性的，可以提取预设时间点前3/7/14/31天、后3/7/14/31天该台区以及预设时间点的参考配电站的历史负荷数据中的负荷值的平均值、中值、最大值、最小值作为参考配变台区的负荷特征数据。
[0080]
可以提取预设时间点前3/7/14/31天和后3/7/14/31天该台区的待修补配电站的历史负荷数据中的负荷值的平均值、中值、最大值、最小值作为待修补配变台区的待修补负荷数据。具体可以根据实际需要进行选择。
[0081]
示例性的，下面采用本发明的方法对某地区5.7w个配变台区的负荷数据进行修补，其中，预测模型采用xgboost预测算法，具体过程如下：
[0082]
步骤1)，根据配电网中配变台区数量x＝57000，利用公式n＝10 ceil((57000-10000)/5000)，计算出n＝20；对于每个配变台区，提取其日均负荷、日最大负荷、日最小负荷、日负荷中值、工作日日均负荷、周末(非工作日)日均负荷、工作日日均负荷与周末日均负荷比值、上午(8点至12点)平均负荷、下午(14点至17点)平均负荷和晚上(18点至22点)平均负荷、台区容量等构成特征集，确定的分组数20为聚类的簇数，使用knn算法将所有台区划分为20个组别。
[0083]
步骤2)，对步骤1)中划分好的组别，选取其中1个配变台区作为参考配变台区，选取方法为：
[0084]
2.1)统计每个配变台区的历史负荷数据，负荷值大于0的记录的总数为有效负荷记录数r条，有效负荷的最大时间与最小时间之间的时间跨度记为t天、有效负荷的负荷平均值记为a。
[0085]
2.2)利用公式s＝30*(r/r
max
) 30*(t/t
max
) 40*(a/a
max
)计算配变台区的综合评分。其中，s为待评分配变台区的综合评分，r为待评分配变台区的有效负荷的记录数量，r
max
为该组别中各个配变台区的有效负荷的记录数量中的最大值，t为待评分配变台区的有效负荷的时间跨度，t
max
为该组别中各个配变台区的有效负荷的时间跨度中的最大值，a为待评分配变台区的有效负荷的负荷平均值，a
max
为该组别中各个配变台区的有效负荷的负荷平均值中的最大值。
[0086]
2.3)选取综合评分最高的配变台区作为该组别中的参考配变台区。
[0087]
步骤3)，提取各个配变台区本身最近3/7/14/30/60天的负荷最大值、最小值、平均值、中值等、所在分组的参考站的最近3/7/14/30/60天的负荷最大值、最小值、平均值、中值等，所在分组的温度、湿度、风速、风向等负荷数据。
[0088]
步骤4)，将步骤3)的负荷数据作为输入，利用xgboost预测算法对待修补配变台区缺失部分的负荷值进行预测，具体包括：
[0089]
4.1)将不存在缺失值的时间点抽取60％作为训练集，另外40％作为验证集，待预
测的存在缺失值的时间点为测试集。
[0090]
4.2)以4.1)中的训练数据为输入，对xgboost算法分别使用4/5/6/7/8作为决策树深度max_depth、0.01/0.02/0.05/0.1/0.15/0.2作为学习率learning_rate、20/50/100/200/500/1000作为子模型数量n_estimators、rmse作为评价指标，训练预测模型。
[0091]
对比不同参数训练的xgboost回归模型在4.1)中的验证集上的得分，取得分最高的模型作为目标参考预测模型，其对应的参数为最优参数；
[0092]
4.3)用4.2)中训练出的目标参考预测模型预测测试集中的缺失负荷。
[0093]
步骤5)，将步骤4)的预测结果作为待修补配变台区缺失值的修补结果。
[0094]
本发明的有益效果：
[0095]
第一，本发明通过对配电网中配变台区的负荷进行特性分析，发现配变台区的负荷存在较强的自相关性和互相关性，因此可以先将配变台区分组，是的互相关性强的台区划分到同一个组中，然后选择其中一个数据完整性好的台区作为参考配变台区，同一组中其他台区的负荷数据存在缺失时，通过提取台区本身的负荷特性和同一组中参考配变台区的负荷特性，构成涵盖自相关性和互相关性的特征集，从而利用回归算法实现对缺失值的精准预测和修补。
[0096]
第二，本发明的方法可以提取台区本身和所在分组的参考配变台区的负荷特性等，可以更好的利用节假日、负荷周期性波动等影响负荷变化的关联数据。
[0097]
第三，本发明相对于现有的负荷缺失数据修补方法，具有修补精度高、鲁棒性强等特点。
[0098]
第四，本发明通过将配变台区划分到不同分组并设置参考配变台区的方式来提升负荷缺失数据的修补精度，在工程实施上简单易行。
[0099]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0100]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0101]
图2示出了本发明实施例提供的配变台区的负荷数据修补装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0102]
如图2所示，配变台区的负荷数据修补装置20可以包括：
[0103]
划分模块201，用于将配电网中的配变台区划分为n个组别，n为正整数；
[0104]
计算模块202，用于针对每一个组别，根据该组别中各个配变台区分别对应的历史负荷数据确定该组别的参考配变台区和待修补配变台区；获取参考配变台区的负荷特征数据和待修补配变台区的待修补数据；根据参考配变台区的特征负荷数据构建目标参考预测模型；将待修补配变台区的待修补数据输入目标参考预测模型，得到待修补配变台区的负荷缺失值，并根据负荷缺失值对待修补配变台区的负荷数据进行修补。
[0105]
在本发明的一些实施例中，配变台区对应的历史负荷数据包括配变台区的有效负荷的记录数量、配变台区的有效负荷的时间跨度和配变台区的有效负荷的负荷平均值；计算模块202可以包括：
[0106]
评分单元，用于针对该组别中的每一个配变台区，利用预先确定的评分公式，根据
该配变台区的有效负荷的记录数量、该配变台区的有效负荷的时间跨度和该配变台区的有效负荷的负荷平均值计算该配变台区的综合评分；选取该组别中综合评分最高的配变台区作为该组别的参考配变台区。
[0107]
在本发明的一些实施例中，预先确定的评分公式为：
[0108]
s＝30*(r/r
max
) 30*(t/t
max
) 40*(a/a
max
)
[0109]
其中，s为待评分配变台区的综合评分，r为待评分配变台区的有效负荷的记录数量，r
max
为该组别中各个配变台区的有效负荷的记录数量中的最大值，t为待评分配变台区的有效负荷的时间跨度，t
max
为该组别中各个配变台区的有效负荷的时间跨度中的最大值，a为待评分配变台区的有效负荷的负荷平均值，a
max
为该组别中各个配变台区的有效负荷的负荷平均值中的最大值。
[0110]
在本发明的一些实施例中，划分模块201可以包括：
[0111]
划分单元，用于据配电网中的配变台区的数量确定组别数n；
[0112]
聚类单元，用于对配电网中的各个配变台区的历史负荷数据进行聚类，将配电网中的配变台区划分为n个组别。
[0113]
在本发明的一些实施例中，划分单元还用于执行组别计算公式，组别计算公式如下：
[0114][0115]
其中，m为预设组别数量，x为配电网中配变台区的数量，y为第一预设数量，z为第二预设数量，ceil(
·
)表示向上取整。
[0116]
在本发明的一些实施例中，计算模块202还可以包括：
[0117]
分组单元，用于将参考配变台区的特征负荷数据划分为训练特征负荷集和测试特征负荷集；
[0118]
训练单元，用于利用训练特征负荷集对原始参考预测模型进行训练，得到训练好的参考预测模型，并利用测试特征负荷集对训练好的参考预测模型进行验证，以得到目标参考预测模型。
[0119]
在本发明的一些实施例中，参考配变台区的负荷特征数据为：在包括预设时间点的预设时间段内，参考配变台区的历史负荷数据；
[0120]
待修补配变台区的待修补数据为：在除预设时间点以外，预设时间段内，待修补配变台区的历史负荷数据；
[0121]
预设时间点为待修补配变台区的负荷缺失值对应的时间点。
[0122]
图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端30包括：处理器300、存储器301以及存储在存储器301中并可在处理器300上运行的计算机程序302。处理器300执行计算机程序302时实现上述各个配变台区的负荷数据修补方法实施例中的步骤，例如图1所示的s101至s102。或者，处理器300执行计算机程序302时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块/单元201至202的功能。
[0123]
示例性的，计算机程序302可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器301中，并由处理器300执行，以完成本发明。一个或多个模块/单元
可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序302在终端30中的执行过程。例如，计算机程序302可以被分割成图2所示的模块/单元201至202。
[0124]
终端30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端30可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端30的示例，并不构成对终端30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端还可以包括输入输出设备、网络接入设备、总线等。
[0125]
所称处理器300可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0126]
存储器301可以是终端30的内部存储单元，例如终端30的硬盘或内存。存储器301也可以是终端30的外部存储设备，例如终端30上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器301还可以既包括终端30的内部存储单元也包括外部存储设备。存储器301用于存储计算机程序以及终端所需的其他程序和数据。存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
[0127]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0128]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0129]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0130]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接
耦合或通讯连接，可以是电性，机械或其它的形式。
[0131]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0132]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0133]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个配变台区的负荷数据修补方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0134]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。