- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
?
?
基于动态盒形图技术的电力异常数据清洗
?
?
李凯
【摘要】电力负荷数据是指在一定时间间隔内记录的电能消耗量,它包含电力系统的重要信息。对电力系统分析、系统的可靠性、电力线损计算、电力系统规划起着至关重要的作用。但电力数据在传输过程中,由于各种随机故障因素,异常数据的出现是不可避免的,它包括损坏的数据和丢失的数据。本文介绍动态盒形图技术进行自动清洗损坏和丢失的数据。并在贵州某地区供电公司进行实施,结果证明了方案的有效性。
【关键词】动态盒形图;电力异常数据;自动清洗
【Abstract】Electricloaddatareferstoacertaintimeintervalrecordelectricityconsumption,itcontainsimportantinformationofpowersystem.Forpowersystemanalysis,systemreliability,powerlosscalculation,powersystemplanningplaysavitalrole.Theelectricpowerdatainthetransmissionprocess,duetovariousrandomfailurefactors,theabnormaldataisinevitable,resultingintheloadcurvecontainscorrupteddataandmissingdata.Thispaperintroducesthedynamicautomaticcleaningboxfordamageandlossofthedatagraphtechnology.Intheimplementationprocess,aman-machineconversationprogramisproposedtoimprovetheperformanceoftheprogram.ExperimentsonaregionalpowersupplycompanyinGuizhouhaveprovedtheeffectivenessofthescheme.
【Keywords】Dynamicboxdiagram;Abnormaldataofelectricpower;Automaticcleaning
0引言
电力负荷数据在现在的智能电网中起着越来越重要的作用,它关系到电力网的潮流计算、线路损耗计算、电力网规划,调度运行等,有效数据的采集为做出正确的决定提供可靠的支持。但现在供电部门清洗异常值的方法多为手动输入,工作效率低下。本文提出的动态盒形图技术对变化的电力负荷异常数据的清洗具有重要的意义,这种方法提供了检测异常数据的基础,量化置信区间,估计损坏数据的时间点,适合局部和全局的大量损坏数据的检测,并且实现自动清洗,大大提高了工作效率。
1电力异常数据处理研究现状
数据采集和传输的过程中常常出现丢失和损坏,正确的收集所有的数据是一个巨大的挑战和艰巨的任务。导致这种情况的因素有很多原因,像测量问题、通信失败、设备故障、数据丢失以及由于暂时的维修或者某些生产线的暂时中断导致的电力临时中断等因素。这些偶然因素,导致电力负荷的巨大偏差,而且这些负荷的变化没有规律,因此实际运行的方式不能正确预测,损坏的数据指的就是与常规运行方式的巨大差距,导致很难全部发现损坏的数据。低质量的数据导致错误的系统分析,做出错误的决策。目前电力行业,多采用手工的方式,来处理损坏数据。随着智能电网的发展,大量的数据是手工方式难以实现的。
异常数据检测是与数据清洗问题相关领域,已经在数据挖掘和统计学中进行了深入研究,像K接近分类,K均值聚类,盒形图技术[4],基于密度估计[1]以及神经网络的经常被应用。但它们大都是针对静态的数据,针对电力数据的变化,本文提出了动态盒形图技术。
2动态盒形图原理
盒形图实际上是以图形来概括频数分布的最重要的统计特征,以便更容易地理解和对比数据,从图中可以看到数据的分布情况及辨识出超出一定范围的异常值。
按从小到大的顺序列出所有的数值,把所有数值的个数记为n。按顺序这样排号:M1是最小的数,M2是次小的数,直到最大的数Mn。中位数指的是一半数值大于它、一半数值小于它的那个点,如果整个数值的个数n是奇数,中位数就是中间的那个,即从一端数到第(n+1)/2个数,中位数就是M(n+1)/2。如果整个数值的个数n是偶数,中位数是中间两个数的均值,从
您可能关注的文档
最近下载
- 中国特色社会主义为什么“好”图文党课.pptx VIP
- 材料研究与测试方法试卷.doc VIP
- CAAC执照理论考试.pptx
- 教科版二年级上第一单元《我们的地球家园》大单元整体教学设计.pdf VIP
- 81、4-6岁 《小雏菊》少儿美术课件.pptx
- 弘扬教育家精神以教育家精神引领教师队伍高质量发展课件PPT.pptx VIP
- canopen一致性测试广州虹科电子科技.pdf
- 部级基础教育精品课PPT模板.pptx VIP
- 1《中国人民站起来了》课件(29张PPT) 高中语文统编版选择性必修上册第一单元 .pptx
- 高中-历史-部编版(2019)-第20课 北洋军阀统治时期的政治、经济与文化.ppt
文档评论(0)