数据缺失情况下配电网时间序列数据分类算法.pdfVIP

第４７卷第１期沈阳工业大学学报Ｖｏｌ４７Ｎｏ１

２０２５年１月ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＪａｎ２０２５

檪檪檪檪殏

檪

殏ＤＯＩ：１０．７６８８／ｊ．ｉｓｓｎ．１０００－１６４６．２０２５．０１．０４

电气工程

殏

檪

殏檪檪檪檪

数据缺失情况下配电网时间序列数据分类算法

１，２２２２

萧展辉，张世良，邓丽娟，徐菡

（１华南理工大学计算机科学与工程学院，广东广州５１０６１４；２南方电网数字电网研究院有限公司数据平台产品部，广东广州５１０６６３）

摘要：【目的】在智能电网快速发展的背景下，配电网作为电力传输与分配的关键环节，其数据

的有效管理和分析对于保障电网稳定运行、提升供电质量至关重要。然而，配电网数据种类繁多

且复杂，涵盖了用户用电行为、天气情况、设备基础信息及营销数据等多个维度。不同类型的数据

在采集和传输过程中，会因磁场信号、噪声信号、冗余数据等干扰出现缺失，不仅增加了配电网运

行监控的难度，还为故障分析、状态评估及优化决策等工作带来极大挑战。【方法】为提高数据处

理的准确性和效率，提出一种数据缺失情况下的配电网时间序列数据分类算法。根据时间序列数

据在配电网中的分布状态，利用平滑算法去除数据噪声，从而显著提升数据的准确性和可靠性，优

化因冗余数据干扰而产生的问题。对缺失数据进行增量填补，依据时间序列数据的内在规律和相

邻数据点的相关性，对缺失数据进行合理推测和填补，保持了数据的完整性，同时确保了时间序列

的连续性和一致性。计算不同时间序列的数据缺失情况，将高维和低维数据状态空间与单元、多

元时间序列相结合，凭借维度映射得到数据维度因子，实现簇内分类。【结果】设计方法填补后数

据均在原始数据附近，无冗余问题，且分类耗时点均匀分布，呈现出线性趋势，充分展示了其高效

稳定的数据处理能力。设计方法分类配电网时间序列数据后，同种类配电网数据聚集且互不干

扰，噪声数据大幅减少，相对差异值（ＲＤＶ）始终保持在００５以下，特异度在数据缺失率５％～３５％

的范围内均维持在９５０％以上，显著高于对比方法的９１５％和９２０％。【结论】设计方法通过平

滑去噪、增量填补和维度映射等技术手段，有效应对数据缺失带来的挑战，提高了数据处理的准确

性和效率。同时，验证了设计方法在保持高分类精度和快速收敛速度方面的优势，表明其能够有

效应对数据缺失情况，显著提升配电网数据的分类效果和运行稳定性。该算法研究不仅丰富了配

电网数据分析的理论体系，还为智能电网的运维管理提供了实用的技术支持，具有重要的理论价

值和现实意义。

关键词：数据缺失；配电网；维度映射；平滑算法；多元序列；数据分类；噪声干扰；维度因子

中图分类号：ＴＰ２６文献标志码：Ａ文章编号：１０００－１６４６（２０２５）０１－００２９－０８

［２］

电力环境中存在磁场信号、噪声信号、冗余数出现分类误差较大的问题。黄瑞等提出一种

据等多种干扰因素，均会使配电网数据产生缺失，低压配电网数据特征分类研究方法，建立正常数

因此配电网底层传感器无法获取精准的数据信据通信传输信道，计算数据在该信道中的衰减因

息，导致后期控制站中数据分类模块的效率过低，子，并根据衰减因子获取信道数据特征完成分类。

无法及时维修配电网出现的运行故障，所以需要但是，配电网时间序列数据种类较多、维度较高，

优化配电网数据的分类方法，以提升配电网运行