【技术实现步骤摘要】
一种面向需求的输变电设备多源异构数据智能筛选方法
[0001]本专利技术属于数据处理
，具体涉及一种面向需求的输变电设备多源异构数据智能筛选方法。
技术介绍
[0002]在电力环境背景下，由于输变电设备类型及功能不同，供应商多钟多样，设备的使用时间也不尽相同，所以采集到的数据在数据来源、数据结构、存储方式和存在形式也存在很大的差异，这就形成了输变电设备数据的多源异构性。数据的多源异构性使得数据的统一存储、不同系统之间的数据共享、数据管理、数据分析等都存在一定的难度和阻碍。
[0003]同时，输变电设备边缘侧智能采集技术的飞速发展使得能够在较短的时间获取海量的电力设备数据，然而，海量的数据中包含了许多无用数据。数据集的冗余既增加了边缘侧和云端的存储负担，也使得数据利用效率难以提升。
技术实现思路
[0004]本专利技术要解决的技术问题是：提供一种面向需求的输变电设备多源异构数据智能筛选方法，针对输变电设备数据的多源异构问题及输变电设备数字孪生模型的数据需求，设计数据筛选机制，对海量多源异构数据进行...
【技术保护点】
【技术特征摘要】
1.一种面向需求的输变电设备多源异构数据智能筛选方法，其特征在于：所述方法包括：步骤1、采集数据库中原有的数据与边缘侧获取的数据共同构成数据筛选的初始数据，对初始数据进行数据清洗，删除含有缺失值和异常值的字段，存入数据库中备用；步骤2、将数据库中的清洗后的数据导入，作为待筛选数据，利用变异系数法对待筛选数据进行波动性分析，获取代表数据波动性的计算因子
①
；步骤3、对待筛选数据进行数据分解，获得数据的季节性部分，并进行波动性分析，结果作为计算因子
②
；步骤4、将计算因子
①
与计算因子
②
加权融合作为最终的信息熵因子；将所有数据属性的信息熵因子从小到大进行排序，根据排序结果对数据进行筛选。2.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能筛选方法，其特征在于：所述进行波动性分析的方法包括：步骤2.1、进行指标正向化；步骤2.2、将数据标准化；步骤2.3、用指标的标准差比指标的均值来计算变异系数；步骤2.4、计算指标的权重和得分，作为计算因子。3.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能筛选方法，其特征在于：所述对待筛选数据进行数据分解，获得数据的季节性部分的方法为：利用Python中statsmodes包的seasonal_decompose方法来分解数据，获得数据的季节性部分seasonal因子。4.根据权...
【专利技术属性】
技术研发人员：王杰峰，李洵，甘润东，龙玉江，钟掖，吴建蓉，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。