[发明专利]一种水电站异常数据的处理方法及装置

说明书

本发明涉及异常数据处理技术领域，具体涉及一种水电站异常数据的处理方法及装置，首先获取对水电站设备监测所得到的历史数据集，进而提取所述历史数据集中的正常数据集，对所述正常数据集进行归一化处理，生成训练数据；接着建立神经网络模型，将所述训练数据输入所述神经网络模型，训练得到所述时间序列和输出数据的对应关系；通过在线监测水电站设备的实时数据，提取所述实时数据中的异常数据，将所述异常数据所处的时间序列输入所述神经网络模型，生成相应的输出值，用所述输出值替代监测出的异常数据，最终生成数据报表，本发明可以对异常数据进行诊断处理，为管理人员提供快速、有效的决策依据。

技术领域

本发明涉及异常数据处理技术领域，具体涉及一种水电站异常数据的处理方法及装置。

背景技术

在水电站的生产和运行过程中，管理人员要对水电站的生产计划、运行管理、事故处理、日常维护等做出决策，决策的制定要由水电站生产过程中提供的海量数据作为基础。

考虑水电数据的特点，首先收集种类繁多、数据生成及变化的速度高，另一方面数据采集过程中干扰源多，不良数据的表现形式多种多样，给数据清洗方法的选择带来了较大的困难。

然而，在实际的水电站系统运行中，考虑水电数据的特点，首先收集种类繁多、数据生成及变化的速度高，另一方面数据采集过程中干扰源多，不良数据的表现形式多种多样，都可能造成数据突变、部分数据缺失等数据异常问题，产生异常数据。异常数据具有随机性和波动性，因此要根据水电厂运行和管理的特点，将异常数据转化成满足数据质量要求的数据。对异常数据的产生原因进行分析预警。

发明内容

为解决上述问题，本发明提供一种水电站异常数据的处理方法及装置，可以对异常数据进行诊断处理，为管理人员提供快速、有效的决策依据。

本发明提供以下技术方案：

一种水电站异常数据的处理方法，包括：

获取对水电站设备监测所得到的历史数据集，所述历史数据集包括历史数据，以及所述历史数据对应的时间序列、关联设备；

提取所述历史数据集中的正常数据集，对所述正常数据集进行归一化处理，生成训练数据；

建立神经网络模型，将所述训练数据输入所述神经网络模型，训练得到所述时间序列和输出数据的对应关系；

在线监测水电站设备的实时数据，提取所述实时数据中的异常数据，将所述异常数据所处的时间序列输入所述神经网络模型，生成相应的输出值，用所述输出值替代监测出的异常数据；

生成数据报表，所述数据报表包括异常数据、异常数据对应的关联设备、实时数据规范性和实时数据有效性。

进一步，所述提取所述历史数据集中的正常数据集包括：

将所述历史数据集编号为其中，所述历史数据集包含m个纬度，每个纬度包含n个数据样本，表示在第i个纬度中编号为j的数据样本；

通过下列公式计算数据样本的平均值μ_j和方差σ²；

通过下列公式计算所述历史数据集中编号为j的数据集样本x_j的判定函数p(x)，其中，

比较数据集样本x_j的判定函数p(x)与阈值ε的大小，其中，ε∈[0.8,0.99]，如果p(x)≥ε，则将所述数据集样本x_j提取为正常数据集。

进一步，所述神经网络模型采用RBF神经网络模型。

进一步，所述提取所述实时数据中的异常数据包括：