基于四分差和自相关性分析的数据正确性辨识方法及装置制造方法及图纸

基于四分差和自相关性分析的数据正确性辨识方法及装置，属于调度自动化领域。其特征在于：包括如下步骤：对监测数据进行修复；对监测数据进行自相关性分析，筛选出异常数据；采用自相关函数捕捉异常数据中的伪异常数据；保留伪异常数据，确认异常数据。本基于四分差和自相关性分析的数据正确性辨识方法及装置能够综合考虑评价通道传输数据的多种指标，对调度自动化系统的主子站通道中的异常数据和伪数据进行准确识别，避免了漏判和误判情况，能够提升数据质量，满足实际工程需求。满足实际工程需求。满足实际工程需求。

【技术实现步骤摘要】
基于四分差和自相关性分析的数据正确性辨识方法及装置


[0001]基于四分差和自相关性分析的数据正确性辨识方法及装置，属于调度自动化领域。

技术介绍

[0002]随着近年来我国经济持续向好发展，作为生产生活不可或缺的电力能源的需求是巨大的。伴随着电能需求的急剧增长，调度自动化系统传输的数据也在大量增加。但是，电力调度自动化系统中存在故障或者是干扰，因此有可能存在数据传输错误和漏报以及网关等数据采集设备的跳变等问题，难以适应智能电网快速发展下的电网运行监视要求。因此，大量数据的传输使得调度自动化系统的任务更加艰巨，不仅要保证数据传输的完整性，同时还要保证数据传输的正确性，确保数据质量。
[0003]变电站在逐步升级智能化的条件下，调度自动化系统的数据传输是确保电力系统安全稳定运行的核心。数据传输应满足完整性、规范性和准确性的要求，这是电力系统调度的重要保障。在当前变电站智能化监控的背景下，由于各监控传输设备存在显著差异，引起了调度自动化系统信息传输的不稳定，导致异常数据反复出现。目前采用的数据正确性辨识方法主要是设置数据的阈值，通过数据的上下限进行异常数据的判定，从而辨别数据的正确性和异常数据。这种方法简单容易设置，但数据的传输通道出现延迟上送、丢包等情况则无法进行监测和辨识。此外，用户的动态用电行为存在大量的不确定性，会产生突变的数据，由此引起的伪异常数据也无法进行监测和辨识。所以，目前的技术手段存在大量的弊端，对于数据的正确性辨识存在大量不足。
[0004]因此，在当前如何有效的辨识主子站传输通道的异常数据，对数据进行正确性辨识是电力系统安全稳定的研究热点。从调度自动化系统主子站数据传输的角度出发，亟待研究如何辨识主子站通道数据的正确性，开展基于四分差和数据自相关性分析的数据辨识数据的研究工作。

技术实现思路

[0005]本专利技术要解决的技术问题是：克服现有技术的不足，提供一种能够综合考虑评价通道传输数据的多种指标，对调度自动化系统的主子站通道中的异常数据和伪数据进行准确识别，避免漏判和误判情况，提升数据质量的基于四分差和自相关性分析的数据正确性辨识方法及装置。
[0006]本专利技术解决其技术问题所采用的技术方案是：该基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：包括如下步骤：
[0007]对监测数据进行修复；
[0008]对监测数据进行自相关性分析，筛选出异常数据；
[0009]采用自相关函数捕捉异常数据中的伪异常数据；
[0010]保留伪异常数据，确认异常数据。
[0011]优选的，对监测数据进行修复包括如下步骤：
[0012]确认监测数据的完整性，若监测数据缺失，则对监测数据进行增补；
[0013]确认监测数据传输准确性，并对格式错误的监测数据进行格式矫正。
[0014]优选的，所述监测数据缺失的增补方法如下：
[0015][0016]其中，D
t
表示在t时刻缺失的监测数据，D
t
‑
k
和D
t+l
分别表示在t
‑
k和t+l时刻的监测数据，m1和m2分别表示缺失监测数据时刻的前后时间尺度。
[0017]优选的，所述方法还包括，构建监测数据正确性辨识的信息矩阵D：
[0018][0019]其中，d
n，t
为第n个类型的监测数据在t时刻的监测数据；
[0020]对各类型的监测数据从小到大进行排序，构建监测数据信息矩阵D
′
。
[0021]优选的，所述方法还包括，计算监测数据的四分差的下四分位数d
Q1
、上四分位数d
Q3
以及四分差离IQR：
[0022]Q1＝(t+1)
×
0.25，
[0023]Q3＝(t+1)
×
0.75，
[0024][0025]基于四分差的监测数据正确性判定区间为：
[0026][0027]优选的，基于四分差的监测数据正确性判定区间筛选监测数据异常值，在判定区间之外的监测数据即为异常数据。
[0028]优选的，所述方法还包括，确定监测数据的均值和方差Var(D)：
[0029][0030][0031]计算监测数据D
t
和D
t+l
之间的相关系数：
[0032][0033]优选的，对于在一段时间上时间间隔l的n个时间序列，监测数据的自相关函数为：
[0034][0035]通过不算迭代寻找最优的时间间隔，得到最大的自相关系数ρ
max
。
[0036]优选的，迭代的最优周期中出现的突变数据标记为伪突变数据，并在多源数据传输通道中进行数据对比确认异常数据。
[0037]一种基于四分差和自相关性分析的数据正确性辨识装置，其特征在于：包括
[0038]数据修复模块，对监测数据进行修复；
[0039]数据分析模块，对监测数据进行自相关性分析，筛选出异常数据；
[0040]数据捕捉模块，采用自相关函数捕捉异常数据中的伪异常数据；
[0041]数据确认模块，保留伪异常数据，确认异常数据。
[0042]与现有技术相比，本专利技术所具有的有益效果是：
[0043]本基于四分差和自相关性分析的数据正确性辨识方法及装置能够综合考虑评价通道传输数据的多种指标，对调度自动化系统的主子站通道中的异常数据和伪数据进行准确识别，避免了漏判和误判情况，能够提升数据质量，满足实际工程需求。
附图说明
[0044]图1为基于四分差和自相关性分析的数据正确性辨识方法的流程图。
具体实施方式
[0045]图1是本专利技术的最佳实施例，下面结合附图1对本专利技术做进一步说明。
[0046]下面结合具体实施例对本专利技术做进一步说明，然而熟悉本领域的人们应当了解，在这里结合附图给出的详细说明是为了更好的解释，本专利技术的结构必然超出了有限的这些实施例，而对于一些等同替换方案或常见手段，本文不再做详细叙述，但仍属于本申请的保护范围。
[0047]基于四分差和自相关性分析的数据正确性辨识方法，包括如下步骤：
[0048]对监测数据进行修复。
[0049]对监测数据进行修复包括如下步骤：
[0050]确认监测数据的完整性，若监测数据缺失，则对监测数据进行增补；
[0051]若数据存在缺失的情况，采用阶拉格朗日内插法对缺失数据进行增补。监测数据缺失的增补方法如下：
[0052][0053]其中，D
t
表示在t时刻缺失的监测数据，D
t
‑
k
和D
t+l
分别表示在t
‑
k和t+l时刻的监测数据，m1和m2分别表示缺失监测数据时刻的前后时间尺度。
[0054]确认监测数据传输准确性，并对格式错误的监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：包括如下步骤：对监测数据进行修复；对监测数据进行自相关性分析，筛选出异常数据；采用自相关函数捕捉异常数据中的伪异常数据；保留伪异常数据，确认异常数据。2.根据权利要求1所述的基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：对监测数据进行修复包括如下步骤：确认监测数据的完整性，若监测数据缺失，则对监测数据进行增补；确认监测数据传输准确性，并对格式错误的监测数据进行格式矫正。3.根据权利要求2所述的基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：所述监测数据缺失的增补方法如下：其中，D
t
表示在t时刻缺失的监测数据，D
t
‑
k
和D
t+l
分别表示在t
‑
k和t+l时刻的监测数据，m1和m2分别表示缺失监测数据时刻的前后时间尺度。4.根据权利要求1所述的基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：所述方法还包括，构建监测数据正确性辨识的信息矩阵D：其中，d
n，t
为第n个类型的监测数据在t时刻的监测数据；对各类型的监测数据从小到大进行排序，构建监测数据信息矩阵D
′
。5.根据权利要求4所述的基于四分差和自相关性分析的数据正确性辨识方法，其特征在于：所述方法还包括，计算监测数据的四分差的下四分位数d
Q1
、上...

【专利技术属性】
技术研发人员：袁晓峰，王家武，季金豹，卢京祥，郑加丽，厉文秀，汉新宇，郭大伟，崔巍，金立峰，刘鑫，陈康，高颖，牟芯颖，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：