[发明专利]一种电力大数据的数据异常判别方法

说明书

本发明提供一种电力大数据的数据异常判别方法，包括以下步骤：接收待判别电力数据；将待判别电力数据的每个字段封装成一个包括多个属性的类；获取判别规则信息，并根据判别规则信息对待判别电力数据中的字段及其对应的多个属性进行匹配，以判断待判别电力数据是否异常。本发明能够准确、快速地对较大数据量的电力数据进行异常判别，从而避免影响后续的数据处理运算和存储。

技术领域

本发明涉及数据处理技术领域，具体涉及一种电力大数据的数据异常判别方法。

背景技术

南方电网网级电能量数据平台可对下属省级公司实时提供的海量原始数据进行存储、计算并生成报表展示。由于各省计量规范不一致，再加上上传数据程序和数据真实性存在的问题，导致数据质量参差不齐，不仅影响程序计算进程，造成计算结果偏离预期范围，而且是导致数据在存储过程中出现异常的一个重要因素。因此，亟需提出一种有效的数据异常判别策略。

发明内容

本发明为解决上述技术问题，提供了一种电力大数据的数据异常判别方法，能够准确、快速地对较大数据量的电力数据进行异常判别，从而避免影响后续的数据处理运算和存储。

本发明采用的技术方案如下：

一种电力大数据的数据异常判别方法，包括以下步骤：接收待判别电力数据；将所述待判别电力数据的每个字段封装成一个包括多个属性的类；获取判别规则信息，并根据所述判别规则信息对所述待判别电力数据中的字段及其对应的多个属性进行匹配，以判断所述待判别电力数据是否异常。

步骤二中所述多个属性包括是否为空、长度、精度、数据类型、数据上限、数据下限和正则规则中的多个。

步骤三获取判别规则信息，具体包括：在前端页面根据接口文档规范预设字段及其对应的多个属性的判别条件，并存储于数据库中；定时查找调取所述判别条件。

步骤三获取判别规则信息，具体包括：从历史判别实例数据库中选取样本对人工神经网络进行训练，以得到数据判别模型；定时查找调取所述数据判别模型。

所述的电力大数据的数据异常判别方法还包括：根据当前次的判别结果对所述历史判别实例数据库进行更新。

根据所述判别规则信息对所述待判别电力数据中的字段及其对应的多个属性进行匹配，以判断所述待判别电力数据是否异常，具体包括：设定字段及其对应的多个属性的优先级；根据所述优先级依序判断所述待判别电力数据中的字段及其对应的多个属性是否符合相应的判别条件；如果出现字段或其对应的任一属性不符合相应的判别条件，则停止判断并判定该待判别电力数据异常。

根据所述判别规则信息对所述待判别电力数据中的字段及其对应的多个属性进行匹配，以判断所述待判别电力数据是否异常，具体包括：并行判断所述待判别电力数据中的字段及其对应的多个属性是否符合相应的判别条件；如果字段或其对应的任一属性不符合相应的判别条件，则判定该待判别电力数据异常。

根据所述判别规则信息对所述待判别电力数据中的字段及其对应的多个属性进行匹配，以判断所述待判别电力数据是否异常，具体包括：将所述待判别电力数据中的字段及其对应的多个属性输入所述数据判别模型；通过所述数据判别模型输出该待判别电力数据是否异常的判别结果。

本发明的有益效果：

根据本发明实施例的电力大数据的数据异常判别方法，通过将待判别电力数据的每个字段封装成一个包括多个属性的类，然后根据判别规则信息对待判别电力数据中的字段及其对应的多个属性进行匹配，以判断待判别电力数据是否异常，由此，能够准确、快速地对较大数据量的电力数据进行异常判别，从而避免影响后续的数据处理运算和存储。

附图说明

图1为本发明实施例的电力大数据的数据异常判别方法的流程图。

具体实施方式