[发明专利]一种配电网不良数据的处理方法、装置、设备和存储介质

权利要求书

1.一种配电网不良数据的处理方法，其特征在于，包括：

获取配电网中预置时间段内的量测数据，所述量测数据包括节点电压、线路电流和支路功率；

将所述量测数据输入预置辨识模型进行数据分类，输出所述量测数据的辨识结果，其中，所述量测数据的辨识结果包括正常数据和不良数据；

基于所述辨识结果确定所述量测数据中的不良数据出现的时刻t，将所述不良数据出现的时刻t之前的预置数量个所述正常数据输入至预置数据修正模型，得到时刻t的预测数据；

将时刻t的所述预测数据替代时刻t的所述不良数据，得到修正后的所述量测数据。

2.根据权利要求1所述的配电网不良数据的处理方法，其特征在于，所述将所述量测数据输入预置辨识模型进行数据分类，输出所述量测数据的辨识结果，之前还包括：

通过预置公式对所述量测数据进行预处理，所述预置公式为：

其中，为第i类量测数据中的第j维数据，为预处理之后的第i类量测数据中的第j维数据；i＝1,2,3，分别代表节点电压、线路电流、支路功率；j＝1,2,…,N_i，N_i为第i类量测数据中的数据总维数。

3.根据权利要求1所述的配电网不良数据的处理方法，其特征在于，所述预置辨识模型的配置过程为：

获取量测数据训练集，所述量测数据训练集中的各训练样本的标签为所述正常数据或所述不良数据；

将所述量测数据训练集输入到预置卷积神经网络进行训练，输出各所述训练样本对应的预测结果；

基于各所述训练样本对应的预测结果和所述标签，通过损失函数计算损失值；

基于所述损失值，通过梯度下降法更新所述预置卷积神经网络的参数，直至所述损失值低于预置阈值，得到所述预置辨识模型。

4.根据权利要求1所述的配电网不良数据的处理方法，其特征在于，所述预置数据修正模型为Q学习-长短期记忆神经网络模型；

相应的，所述将所述不良数据出现的时刻t之前的预置数量个所述正常数据输入至预置数据修正模型，得到时刻t的预测数据，包括：

将所述不良数据出现的时刻t之前的n个所述正常数据输入至所述Q学习-长短期记忆神经网络模型，使得所述Q学习-长短期记忆神经网络模型基于前n个时刻t-1、t-2、...、t-n的隐藏层状态和单元状态对n个所述正常数据进行处理，并基于Q学习机制，得到时刻t之前的最佳隐藏层状态和最佳单元状态，最后通过全连接层对时刻t之前的所述最佳隐藏层状态和所述最佳单元状态进行处理，输出时刻t的预测数据。

5.根据权利要求1所述的配电网不良数据的处理方法，其特征在于，所述基于所述辨识结果确定所述量测数据中的不良数据出现的时刻t，将所述不良数据出现的时刻t之前的预置数量个所述正常数据输入至预置数据修正模型，得到时刻t的预测数据，之后还包括：

将时刻t的所述预测数据输入至所述预置辨识模型进行数据分类，输出时刻t的所述预测数据的辨识结果；

相应的，所述将时刻t的所述预测数据替代时刻t的所述不良数据，得到修正后的所述量测数据，包括：

当时刻t的所述预测数据的辨识结果为所述正常数据时，将时刻t的所述预测数据替代时刻t的所述不良数据，得到修正后的所述量测数据。

6.一种配电网不良数据的处理装置，其特征在于，包括：

获取单元，用于获取配电网中预置时间段内的量测数据，所述量测数据包括节点电压、线路电流和支路功率；

第一分类单元，用于将所述量测数据输入预置辨识模型进行数据分类，输出所述量测数据的辨识结果，其中，所述量测数据的辨识结果包括正常数据和不良数据；

输入单元，用于基于所述辨识结果确定所述量测数据中的不良数据出现的时刻t，将所述不良数据出现的时刻t之前的预置数量个所述正常数据输入至预置数据修正模型，得到时刻t的预测数据；

替代单元，用于将时刻t的所述预测数据替代时刻t的所述不良数据，得到修正后的所述量测数据。