[发明专利]一种配电网数据清洗方法及装置

说明书

本申请提供了一种配电网数据清洗方法及装置。本申请提供的方法包括：对待处理区域内的电配电网数据对应的采集时刻进行排序，删除重复的采集时刻；如果任一采集时刻对应的配电网数据空缺，则对配电网数据进行填充处理；将填充处理后的配电网数据输入多个预先确定好的异常识别模型中，确定所有异常识别模型对应的识别结果；根据所有识别结果中占比最高的识别结果，确定填充处理后的配电网数据中的异常数据；如果异常数据与配电网数据的比值低于预设比值，则根据异常采集时刻前的采集时刻对应的配电网数据，确定预估准确数据，并将准确数据替换异常数据。本申请提供的方法提高了配电网数据清洗的准确性和可靠性。

技术领域

本申请涉及电网技术领域，特别涉及一种配电网数据清洗方法及装置。

背景技术

随着用电负荷的增长，电网规模也不断扩大，为了资源浪费，统筹规划整个电网是十分有必要的。而对电网中的数据进行分析，并利用电压数据进行综合统筹决策。因此，数据的质量直接决定了决策的质量。

但是，通讯故障、测量元件故障，受到复杂电磁环境的干扰等原因都会造成数据的异常、噪声以及丢失等问题。这些带有瑕疵的数据无疑会影响决策的精确度。为了解决以上问题，需要对数据进行清洗，排除数据中明显有问题的数据，并对数据重新进行整理。目前，在对电网的数据进行清洗的过程中，往往采用固定的方法，导致对数据进行清洗的精确度不高。

基于此，目前亟需一种配电网数据清洗方法，用于解决现有技术中对配电网中的数据进行清洗，精确度不高的问题。

发明内容

本申请提供了一种配电网数据清洗方法及装置，可用于解决在现有技术中对配电网中的数据进行清洗，精确度不高的问题。

第一方面，本申请提供了一种配电网数据清洗方法，所述方法包括：

对待处理区域内的电配电网数据对应的采集时刻进行排序，删除重复的采集时刻；

如果任一采集时刻对应的配电网数据空缺，则对所述配电网数据进行填充处理；

将填充处理后的配电网数据输入多个预先确定好的异常识别模型中，确定所有异常识别模型对应的识别结果；一个异常识别模型对应一个识别结果；

根据所有识别结果中占比最高的识别结果，确定所述填充处理后的配电网数据中的异常数据；

如果所述异常数据与配电网数据的比值低于预设比值，则根据异常采集时刻前的采集时刻对应的配电网数据，确定预估准确数据，并将所述准确数据替换所述异常数据；所述异常采样时刻为异常数据对应的采样时刻。

结合第一方面，在第一方面的一种可实现方式中，对所述配电网数据进行填充处理，包括：

利用预设的标记数据，填充空缺的配电网数据。

结合第一方面，在第一方面的一种可实现方式中，将填充处理后的配电网数据输入多个预先确定好的异常识别模型中，确定所有异常识别模型对应的识别结果，包括：

将填充处理后的配电网数据输入第一异常识别模型中，获取所述第一异常识别模型通过Kmeans算法确定的第一识别结果；

将填充处理后的配电网数据输入第二异常识别模型中，获取所述第二异常识别模型通过Isolation Forest算法确定的第二识别结果；

将填充处理后的配电网数据输入第三异常识别模型中，获取所述第三异常识别模型通过Gaussian Mixture算法确定的第三识别结果。

结合第一方面，在第一方面的一种可实现方式中，所述方法还包括：如果所述异常数据与配电网数据的比值大于或等于预设比值，则根据所述异常采集时刻前的采集时刻对应的配电网数据以及所述异常采集时刻后的采集时刻对应的配电网数据以及，确定预估准确数据，并将所述准确数据替换所述异常数据。