针对电力微气象监测数据的质量评估方法及处理器技术

本发明专利技术实施例提供一种针对电力微气象监测数据的质量评估方法、处理器及存储介质。方法包括：建立层级结构模型；提取微气象监测数据中的最底层指标参数；计算层级结构模型中的第一层的基础性统计指标；计算评估维度指标KPI；构造满足一致性检验的模糊互补判断矩阵；计算模糊互补判断矩阵的权重；计算数据质量整体评分。该方法通用性强，能全面评估数据质量的各项指标，对基于电力微气象监测数据的数据挖掘等各项应用具有重要意义和价值。挖掘等各项应用具有重要意义和价值。挖掘等各项应用具有重要意义和价值。

【技术实现步骤摘要】
针对电力微气象监测数据的质量评估方法及处理器


[0001]本专利技术涉及一种针对电力微气象监测数据的质量评估方法、处理器及机器可读存储介质。

技术介绍

[0002]电力微气象监测数据能实时反映电网设备的运行环境，对新能源大规模并网及电网自然灾害防治具有重要意义。随着电网规模的不断扩大，电力微气象监测数据日益丰富，但同时也有越来越多的输电线路需要经过地形、气候等环境条件复杂的地区。这些区域的监测装置在观测和传输上受环境影响显著，导致数据质量受损。就海量的电力微气象监测数据而言，数据质量的参差不齐是眼下面临的重要挑战，数据质量的好坏将直接影响数据挖掘分析的结果，劣质的坏数据将可能给系统级决策带来难以预估的伤害。因此，为了高效地实现电力微气象检测系统海量数据的价值挖掘，数据质量的全面评估迫在眉睫。

技术实现思路

[0003]本专利技术的目的是针对目前电力微气象监测数据质量参差不齐，严重影响后续数据挖掘分析的问题，通过构建质量评估体系，建立数据规范，确定评价指标，提出了一种电力微气象监测数据的质量评估方法，该方法通用性强，能全面评估数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对电力微气象监测数据的质量评估方法，其特征在于，包括：建立层级结构模型；提取微气象监测数据中的最底层指标参数；计算层级结构模型中的第一层的基础性统计指标；计算评估维度指标KPI；构造满足一致性检验的模糊互补判断矩阵；计算模糊互补判断矩阵的权重；计算数据质量整体评分。2.根据权利要求1所述的质量评估方法，其特征在于，所述建立层级结构模型包括：采用关键字段值准确率评估数据的准确性；采用处理文件数完整率评估数据的完整性；采用数据关联率和数据覆盖率评估数据的一致性；采用文件处理及时率和文件处理平均时延评估数据的及时性；根据所述准确性、所述完整性、所述一致性以及所述及时性建立所述层级结构模型；其中所述层级结构模型自上而下依次包括优良率指标层级，评估维度指标层级以及基础性统计指标层级，所述优良率指标层级包括总体优良率指标，所述评估维度指标层级包括准确性指标、完整性指标、一致性指标以及及时性指标，所述基础性统计指标层级包括关键字段值准确率、处理文件数完整率、数据关联率、数据覆盖率、文件处理及时率以及文件处理时延率。3.根据权利要求2所述的质量评估方法，其特征在于，所述提取微气象监测数据中的最底层指标参数包括：针对准确性，提取总记录数和关键字段值合规记录数；针对完整性，提取实际文件总数、处理文件总数、时间序列去重数以及时间序列总种类数；针对一致性，提取关联记录条数、字段或字段组合去重数以及字段或字段组合总种类数；以及针对及时性，提取文件处理时延、文件处理时延之和以及文件处理及时数。4.根据权利要求3所述的质量评估方法，其特征在于，所述计算层级结构模型中的第一层的基础性统计指标包括：根据公式(1)计算第一层的基础性统计指标：根据公式(1)计算第一层的基础性统计指标：根据公式(1)计算第一层的基础性统计指标：根据公式(1)计算第一层的基础性统计指标：
其中，A_1001表示总记录数，A_1002表示关键字段值合规记录数，A_2001表示实际文件总数，A_2002表示处理文件总数，A_3001表示关联记录条数，A_3002表示字段或字段组合去重数，A_3003表示字段或字段组合总重量数，A_4002表示文件处理时延之和，A_4003表示文件处理及时数；B_1001表示关键字段值准...

【专利技术属性】
技术研发人员：皮新宇，冯文卿，欧阳亿，何立夫，罗晶，曹启明，
申请(专利权)人：国网湖南省电力有限公司防灾减灾中心国家电网有限公司，
类型：发明
国别省市：