[发明专利]一种能耗监测平台的异常数据处理方法及系统

说明书

本发明公开一种能耗监测平台的异常数据处理方法及系统，目的在于寻找更为有效的能耗监测平台的异常数据处理的方案，该能耗监测平台的异常数据处理方法包括构建目标数据集；按照预设条件识别目标数据集中的异常数据，判断异常数据的个数是否不小于预置个数；若异常数据的个数小于预置个数，则使用硬聚类算法二次识别目标日中的异常数据；选取与目标日的日逐时数据对应的最近邻的K日的日逐时数据，K为大于0的自然数，且K不大于M；根据最近邻的K日的日逐时数据修复目标日的日逐时数据。本发明通过有限的K日的日逐时数据修复目标日的日逐时数据，更为有效地处理能耗监测平台的异常数据。

技术领域

本发明涉及数据分析领域，具体而言，本发明涉及一种能耗监测平台的异常数据处理方法及系统。

背景技术

目前运行的能耗监测逐时数据对于异常数据的修复，理论上有提出了一阶差分法、时间序列预测方法等，一阶差分法适用于曲线平缓上升的逐时数据处理，但大量的公共建筑逐时能耗在主要设备打开后会有一个很大的跃变，且当连续缺失多个小时数据时，一阶差分法并不适用；时间序列预测非常适用于具有周期性的公共建筑逐时能耗数据，但其使用条件苛刻，需要有完备的历史数据，如果历史数据有缺失，还是需要采用其它方法去填补，而填补的准确性将影响到时间序列预测的结果。

发明内容

为了寻找更为有效的能耗监测平台的异常数据处理的方案，本发明一个实施例提供了一种能耗监测平台的异常数据处理方法，该能耗监测平台的异常数据处理方法包括如下步骤：

步骤S1：构建目标数据集，所述目标数据集合包括目标日的日逐时数据以及已修复的M日的日逐时数据，所述M为大于0的自然数；

步骤S3：按照预设条件识别所述目标数据集中的异常数据，判断所述异常数据的个数是否不小于预置个数；

步骤S5：若所述异常数据的个数小于所述预置个数，则使用硬聚类算法二次识别所述目标日中的异常数据；

步骤S7：选取与所述目标日的日逐时数据对应的最近邻的K日的日逐时数据，所述K为大于0的自然数，且所述K不大于所述M；

步骤S9：根据所述最近邻的K日的日逐时数据修复所述目标日的日逐时数据。

本发明中，所述步骤S3之后包括：

步骤S4：若所述异常数据的个数不小于所述预置个数，则直接执行步骤S7。

本发明中，所述步骤S3包括：

若所述目标数据集中的日逐时数据符合所述预设条件，则标记所述日逐时数据为异常数据；所述预设条件包括以下条件之一：

所述日逐时数据的能耗值大于第一预设阈值；

所述日逐时数据的能耗数据小于第二预设阈值。

本发明中，所述步骤S7包括：

通过邻近算法选取与所述目标日的日逐时数据最近邻的K日的日逐时数据。

本发明中，所述步骤S9之前包括如下步骤：

确认最近邻的K日的日逐时数据的加权系数；

通过所述加权系数和所述最近邻的K日的日逐时数据获取所述目标日的日逐时模拟数据。

本发明中，所述通过所述加权系数和所述最近邻的K日的日逐时数据获取所述目标日的日逐时模拟数据之前包括：

判断与所述目标日的日逐时数据对应的最近邻的K日的日逐时数据是否为异常数据，若否，则通过所述加权系数和所述最近邻的K日的日逐时数据获取所述目标日的日逐时模拟数据。

本发明中，所述步骤S9包括：