基于动态盒形图技术的电力异常数据清洗.docxVIP

?

?

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