考虑电网动态行为的电力数据异常检测与分析.pdfVIP

与

数据科学与技术信息技术信息化

考虑电网动态行为的电力数据异常检测与分析

111

张瑞王婷婷辛亚峰

摘要鉴于电网运行环境的复杂性和不确定性，电力数据中常常会包含一些异常值，这些异常值可能会对电网

的安全稳定运行造成负面影响。因此，提出了一个考虑电网动态行为的电力数据异常检测与分析方法。

在考虑电网动态行为的前提下，通过SCADA系统采集了多种类型的电力数据，并对这些数据进行了缺

失值处理和标准化处理。随后，应用模糊C均值（FCM）算法对经过预处理的多元电力数据进行了聚

类分析，目的是检测出其中的电力数据异常值。通过一系列的实验验证，所设计的方法能够显著提高电

力数据异常检测的查全率，同时还能有效降低均方根误差。此外，该方法还展现出了良好的加速性能，

从而为电网的安全稳定运行提供了有力的技术支持。

关键词电网动态行为；电力数据；数据异常；异常检测；检测分析

doi：10.3969/j.issn.1672-9528.2025.08.042

0引言1考虑电网动态行为下获取电力多元数据

随着我国智能电网建设规模的不断增大，产生的电力数电网动态行为，主要指受电力负荷变化、天气条件等因

据呈指数级增长。然而，在电力数据的采集、传输和处理过素影响，导致在时间与空间上电力系统运行状态数据不断发

程中，由于设备故障、通信干扰、人为错误等多种因素的影响，生变化。这种变化不仅影响电网安全稳定运行，也对电力数

电力数据中往往包含大量的异常值。这些异常值不仅破坏了据采集提出了更高要求。因此，在电力数据异常检测中，本

数据的完整性和一致性，还可能对电力系统的分析与决策产文在考虑电网动态行为条件下，通过SCADA系统采集多元

生误导，严重影响电网的安全稳定运行。因此，在智能电网的电力数据[4]，具体采集对象如表1所示。

环境下，准确检测并剔除电力数据中的异常值，提高数据质表1电力多元数据提取对象

量，对于电网故障预测与诊断、负荷预测与优化调度等方面

多元数据类型提取对象

具有重要意义。文献[1]中针对电力数据异常值，设计一种ABC

、、三相电压

基于改进K-Means和DNN算法的检测方法，具有较高准确率，ABC

电力系统运行数据、、三相电流

该方法在处理大规模电力数据集时，虽然通过并行计算提高ABC

、、三相负载功率

了处理效率，但仍然存在计算复杂度高、内存消耗大等问题；电负荷

文献[2]中针对电力数据异常值，设计一种基于改进K-均值热负荷

联合SVDD的检测方法，误漏报率较低，由于电力数据通常冷负荷