[发明专利]一种输电线路数据清洗方法、系统、电子设备和存储介质

权利要求书

1.一种输电线路数据清洗方法，其特征在于，包括：

获取输电线路数据；

将所述输电线路数据划分为故障诊断类数据、保护动作类数据和跳闸类数据；

将每类数据均输入对应的缺失值诊断模型、异常值诊断模型和重复值诊断模型，得到各类数据的缺失值、异常值和重复值；

将各类数据的缺失值、异常值和重复值按照对应数据类型的特征进行修正，得到清洗后的数据。

2.根据权利要求1所述的输电线路数据清洗方法，其特征在于，所述将所述输电线路数据划分为故障诊断类数据、保护动作类数据和跳闸类数据，具体包括：

根据采集数据的设备和位置将所述输电线路数据划分为故障诊断类数据、保护动作类数据和跳闸类数据。

3.根据权利要求1所述的输电线路数据清洗方法，其特征在于，所述将每类数据均输入对应的缺失值诊断模型、异常值诊断模型和重复值诊断模型，得到各类数据的缺失值、异常值和重复值，具体包括：

将所述故障诊断类数据分别输入故障诊断缺失值诊断模型、故障诊断异常值诊断模型和故障诊断重复值诊断模型，得到故障诊断类数据的缺失值、异常值和重复值；

将所述保护动作类数据分别输入保护动作缺失值诊断模型、保护动作异常值诊断模型和保护动作重复值诊断模型，得到保护动作类数据的缺失值、异常值和重复值；

将所述跳闸类数据分别输入跳闸缺失值诊断模型、跳闸异常值诊断模型和跳闸重复值诊断模型，得到跳闸类数据的缺失值、异常值和重复值。

4.根据权利要求3所述的输电线路数据清洗方法，其特征在于，

所述故障诊断缺失值诊断模型的训练方式为：将故障诊断类历史数据和所述故障诊断类历史数据中的缺失值作为训练样本输入神经网络模型进行训练得到所述故障诊断缺失值诊断模型；

所述故障诊断异常值诊断模型的训练方式为：将所述故障诊断类历史数据和所述故障诊断类历史数据中的异常值作为训练样本输入神经网络模型进行训练得到所述故障诊断异常值诊断模型；

所述故障诊断重复值诊断模型的训练方式为：将所述故障诊断类历史数据和所述故障诊断类历史数据中的重复值作为训练样本输入神经网络模型进行训练得到所述故障诊断重复值诊断模型；

所述保护动作缺失值诊断模型的训练方式为：将保护动作类历史数据和所述保护动作类历史数据中的缺失值作为训练样本输入神经网络模型进行训练得到所述保护动作缺失值诊断模型；

所述保护动作异常值诊断模型的训练方式为：将所述保护动作类历史数据和所述保护动作类历史数据中的异常值作为训练样本输入神经网络模型进行训练得到所述保护动作异常值诊断模型；

所述保护动作重复值诊断模型的训练方式为：将所述保护动作类历史数据和所述保护动作类历史数据中的重复值作为训练样本输入神经网络模型进行训练得到所述保护动作重复值诊断模型；

所述跳闸缺失值诊断模型的训练方式为：将跳闸类历史数据和所述跳闸类历史数据中的缺失值作为训练样本输入神经网络模型进行训练得到所述跳闸缺失值诊断模型；

所述跳闸异常值诊断模型的训练方式为：将跳闸类历史数据和所述跳闸类历史数据中的异常值作为训练样本输入神经网络模型进行训练得到所述跳闸异常值诊断模型；

所述跳闸重复值诊断模型的训练方式为：将跳闸类历史数据和所述跳闸类历史数据中的重复值作为训练样本输入神经网络模型进行训练得到所述跳闸重复值诊断模型。

5.根据权利要求1所述的输电线路数据清洗方法，其特征在于，所述将各类数据的缺失值、异常值和重复值按照对应数据类型的特征进行修正，得到清洗后的数据，具体包括：

利用插补法或插值法对各类数据的缺失值进行处理；

对各类数据的异常值进行删除或平均值替代处理；

对各类数据的重复值进行删除处理。