[发明专利]电网异常数据辨识方法、装置及系统

说明书

本发明公开了一种电网异常数据辨识方法、装置及系统，所述方法包括获取电网历史量测数据，并进行数据清洗；针对清洗后的数据，结合与不同数据类型对应的异常辨识规则，筛选出异常数据；汇总所有异常数据，完成电网异常数据辨识。本发明能够基于历史规律挖掘出电网异常数据，提高数据质量，支撑数据分析应用。

技术领域

本发明属于异常数据处理技术领域，具体涉及一种电网异常数据辨识方法、装置及系统。

背景技术

随着电网智能电网调度控制系统的业务范围快速扩大，数据来源增多，数据类型多样，数据规模急剧增大，调控系统数据的“大数据”特征日益明显。对调控系统中重要设备的历史量测数据质量的筛查可以有效提升历史数据的质量，对电网大数据分析应用起到良好的铺垫与准备，提升电网的运行的智能性与可靠性，为此，急需一种能够对电网异常数据进行辨识方法。

发明内容

针对上述问题，本发明提出一种电网异常数据辨识方法、装置及系统，能够基于历史规律挖掘出电网异常数据，提高数据质量，支撑数据分析应用。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种电网异常数据辨识方法，包括：

获取电网历史量测数据，并进行数据清洗；

针对清洗后的数据，结合与不同数据类型对应的异常辨识规则，筛选出异常数据；

汇总所有异常数据，完成电网异常数据辨识。

可选地，在所述进行数据清洗步骤之前还包括：对数据进行预处理，所述预处理包括以下步骤：

根据电网设备类型与D5000表的拓扑结构提取历史量测数据；

基于数据类型与想要分析数据的时间段参数，抽取该时间段的历史量测数据；

根据所需数据的设备device_id，查询到在D5000表结构中的域field_id，并根据转化公式求得遥测yc_id；

根据遥测yc_id读取数据，调整数据的字段名，对齐时标，完成数据的预处理。

可选地，所述数据清洗具体为：

对所选时间段内的历史量测数据中缺失的数据、不刷新的数据以及在非正常状态运行的设备数据进行过滤。

可选地，当数据类型为线路数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：

对于一组线路对端量测的有功值之和以及局部时间段量测值之和分析，根据两侧之和与0的距离筛选，筛选出局部时间段内变化趋势不一致的对端量测值作为异常数据；

基于支持向量机二分类模型对所有量测的有功值变化趋势拟合出标准趋势，筛选出变化趋势不符合标准趋势的量测值作为异常数据。

可选地，所述筛选出变化趋势不符合标准趋势的量测值作为异常数据，具体为：

计算出基于标准趋势获得的有功值的取值区间；

计算出实际量测的有功值与基于标准趋势获得的有功值之间的最大误差间隔；

基于所述取值区间和最大误差间隔，筛选出变化趋势不符合标准趋势的量测值。

可选地，所述最大误差间隔的计算公式为：

其中，Y代表误差间隔距离，y代表量测值，ω代表特征空间超平面的斜率，T代表超平面指数参数，b代表超平面函数的位移参数，x代表输入值；

所述取值区间的计算公式为：