[发明专利]用于电力设备在线监测异常数据的处理方法及系统

说明书

本发明公开了一种用于电力设备在线监测异常数据的处理方法及系统，实施步骤包括针对原始数据集进行异常数据定位分析，选择基于DBSCAN聚类算法进行缺失值填充完成数据清洗或者基于关联规则的异常数据清洗方法完成数据清洗；计算预设的数据质量评估体系中的各项数据质量指标值，生成数据质量评价报告；将异常数据定位分析结果、数据质量评价报告展示输出。本发明能够实现对异常数据的精确有效清洗、清洗效果好，能够实现数据清洗前后数据质量的直观展示、对异常数据产生的比例及原因进行统计展示，有利于电网工作者采取相应措施改善数据的采集与上传过程，从源头上减少异常数据的产生，从而减小数据处理的工作量，提高工作效率与准确率。

技术领域

本发明涉及电力设备在线监测技术，具体涉及一种用于电力设备在线监测异常数据的处理方法及系统。

背景技术

为保证设备运行的可靠性和安全性，需要实时获取电力设备的健康状态。而实现状态监测的主要手段是利用在线监测装置不间断地测量反映设备运行状态的关键特征参量，如油中溶解气体，局部油温等数据。随着在线监测技术的不断发展，如何对数量庞大的电力设备多源异质数据进行有效处理，是电力企业需要面对的新问题。

然而，目前获取的实时数据存在着数据突变、部分数据缺失等数据异常突出问题，这些问题使得采集的到的数据质量较低，无法直接对原始数据进行进一步分析和使用。同时现阶段，电网工作人员缺乏对在线监测产生异常数据的原因的统计与了解，无法从源头上有效减少这些异常数据的产生。根据现有在线监测数据存在的突出问题，有必要制定一套高效、适用于在线监测数据的处理方案，有效地提高数据质量，为后续的电力设备故障诊断工作提供有力保障。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种用于电力设备在线监测异常数据的处理方法及系统，本发明能够实现对异常数据的精确有效清洗、清洗效果好，能够实现数据清洗前后数据质量的直观展示、对异常数据产生的比例及原因进行统计展示，有利于电网工作者采取相应措施改善数据的采集与上传过程，从源头上减少异常数据的产生，从而减小数据处理的工作量，提高工作效率与准确率。

为了解决上述技术问题，本发明采用的技术方案为：

一种用于电力设备在线监测异常数据的处理方法，实施步骤包括：

1)针对电力设备在线监测得到的原始数据集进行异常数据定位分析，根据异常数据定位分析结果选择清除异常数据再基于DBSCAN聚类算法进行缺失值填充完成数据清洗或者基于关联规则的异常数据清洗方法完成数据清洗；

2)计算预设的数据质量评估体系中的各项数据质量指标值，所述数据质量评估体系中包括至少一项数据质量指标；

3)根据各项数据质量指标值生成数据质量评价报告；

4)将异常数据定位分析结果、数据质量评价报告展示输出。

优选地，步骤1)的详细步骤包括：

1.1)基于原始数据集的指定数据和预设的阈值比较判断电力设备的工作状态、电力设备对应通信设备状态以及工作环境状态，将电力设备的工作状态、电力设备对应通信设备状态以及工作环境状态加入异常数据定位分析结果；

1.2)针对原始数据集利用阈值分析进行异常数据定位；

1.3)基于异常数据定位的数据获取异常数据统计信息，所述异常数据统计信息包括异常数据中增大、或减少、或缺失的规模及变化幅度，将异常数据统计信息加入异常数据定位分析结果；

1.4)基于异常数据统计信息获取最可能出现的异常数据原因，将异常数据原因及其对应的异常数据定位信息加入异常数据定位分析结果；