[发明专利]一种适用于误差监测计算的充电桩数据清洗方法及充电站

说明书

本发明公开了一种适用于误差监测计算的充电桩数据清洗方法及充电站，属于充电桩数据处理技术领域。本发明的一种适用于误差监测计算的充电桩数据清洗方法，包括以下步骤：第一步，对需求进行分析；第二步，获取需要清洗的充电桩数据；第三步，调用异常检测模型进行预处理；第四步，结合数据的分布曲线，确定数据的清洗规则；第五步，对预处理后的数据进行二次清洗与修正，得到修正数据；第六步，分析结果，验证经过修正数据是否符合预期要求。本发明对充电桩数据，进行需求分析、预处理、确定清洗规则、二次清洗与修正、分析验证；并结合数据合并方法，有效解决充电桩数据中存在的量化噪声和时延噪声等问题，进而有效提升清洗后的数据质量。

技术领域

本发明涉及一种适用于误差监测计算的充电桩数据清洗方法及充电站，属于充电桩数据处理技术领域。

背景技术

数据清洗是整个数据分析过程中不可缺少的一个环节，在实际操作中，数据清洗通常会占据数据分析过程的50％-80％的时间。其结果质量直接关系到模型效果和最终结论。

传统的数据清洗方法主要包括缺失值清洗、噪声数据清洗、不一致数据的清洗和重复数据的清洗。其中，针对噪声数据的处理方法有分箱法，聚类法等。

但充电桩数据存在量化噪声和时延噪声。

量化噪声主要是电能表数字化量化噪声导致。比如采集电能表综合倍率为200，读数数据保留2位小数，则电量(两读数之差)的最大量化误差位0.01，量化噪声为2；如果保留4位有效数字，则量化误差应该为电能表常数决定，比如常数为1000，则最大量化误差位0.001，量化噪声为0.2。

同时，充电桩内总表与分表的高频数据采集时间可能并不完全绝对一致，会存在时钟偏差，这也就给充电桩数据引入了时延噪声。

传统的数据清洗方法并不能有效解决充电桩数据中存在的量化噪声和时延噪声等问题，导致清洗后的数据质量不高，影响后续的数据分析。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种能够有效解决充电桩数据中存在的量化噪声和时延噪声等问题，有效提升清洗后的数据质量，能够满足数据分析要求的适用于误差监测计算的充电桩数据清洗方法及充电站。

为实现上述目的，本发明的技术方案为：

一种适用于误差监测计算的充电桩数据清洗方法，

包括以下步骤：

第一步，对需求进行分析，明确数据的作用域与运用环境，确定有效的充电桩数据格式；

第二步，按照第一步中的充电桩数据格式，获取需要清洗的充电桩数据；

第三步，对第二步中获取的充电桩数据调用异常检测模型进行预处理；

所述异常检测模型，用以剔除因异常故障产生的无效数据；

所述异常故障包括充电设备故障或/和TCU故障或/和违规拔枪或/和BMS通信异常故障；

第四步，对第三步预处理完成的数据进行分析，结合数据的分布曲线，确定数据的清洗规则；所述数据的清洗规则包括数据合并方式以及合并单位；

第五步，根据第四步中确定的清洗规则，对预处理后的数据进行二次清洗与修正，得到修正数据；

第六步，基于原始数据和第五步中二次清洗和修正完成的修正数据进行盲测模型求解，分析结果，验证经过修正数据是否符合预期要求；

若不符合任务要求，重新确定清洗规则，再次进行二次清洗与修正过程，并重新对修正数据进行分析验证，直到修正数据符合预期要求。